使用掩码数组创建 pandas DataFrame

Question

我认为我得到了以下行为 b/c 我的输入数组被屏蔽了，我很难理解这一点。我一直在查看 this pandas doc on gotchas，但不确定 "sentinel" 值是什么。它只是在创建随后设置为 NULL 的 DataFrame 期间使用的类似“-9999”的东西吗？

在制作 DataFrame 时，处理这些值的好方法是什么？如果屏蔽条目设置为 NULL，我很高兴。

这是一个例子：

[Dbg]>>> segDF = pd.DataFrame(segArrNew)
Traceback (most recent call last):
  File "<interactive input>", line 1, in <module>
  File "C:\Anaconda\envs\esri\Lib\site-packages\pandas\core\frame.py", line 393, in __init__
    datacopy[mask] = NA
  File "C:\Python27\ArcGIS10.2\lib\site-packages\numpy\ma\core.py", line 3027, in __setitem__
    ndarray.__setitem__(_data, indx, dval)
IndexError: arrays used as indices must be of integer (or boolean) type

[Dbg]>>> segArrNew
masked_array(data = [(1, u'01', 1, --) (2, u'01', 2, --) (3, u'01', 3, --) ...,
 (56853, u'21', 241, --) (56854, u'21', 242, --) (56855, u'21', 243, --)],
             mask = [(False, False, False, True) (False, False, False, True)
 (False, False, False, True) ..., (False, False, False, True)
 (False, False, False, True) (False, False, False, True)],
       fill_value = (999999, u'N/A', 999999, u'N/A'),
            dtype = [('seg_id_nat', '<i4'), ('region', '<U255'), ('seg_id_reg', '<i4'), ('refGage', '<U30')])

你可以看到数组被屏蔽了，前几行中的一些显示了 -- 的例子。所以我删除了最后一个字段（refGage）并且它起作用了，所以我认为它是只出现在该字段中的屏蔽值。

[Dbg]>>> segArrNew2 = npFuncs.drop_fields(segArrNew, ['refGage'])
[Dbg]>>> segDF = pd.DataFrame(segArrNew2)
[Dbg]>>> segDF
<class 'pandas.core.frame.DataFrame'>
Int64Index: 57186 entries, 0 to 57185
Data columns:
seg_id_nat    57186  non-null values
region        57186  non-null values
seg_id_reg    57186  non-null values
dtypes: int64(2), object(1)

Answer 1

我不确定这是 "best-est" 的方法，但我使用 numpy.ma.filled() 函数（options listed in this doc).

[Dbg]>>> np.ma.filled(segArrNew)
array([(1, u'01', 1, u'N/A'), (2, u'01', 2, u'N/A'), (3, u'01', 3, u'N/A'),
       ..., (56853, u'21', 241, u'N/A'), (56854, u'21', 242, u'N/A'),
       (56855, u'21', 243, u'N/A')], 
      dtype=[('seg_id_nat', '<i4'), ('region', '<U255'), ('seg_id_reg', '<i4'), ('refGage', '<U30')])

[Dbg]>>> df = pandas.DataFrame(numpy.ma.filled(segArrNew))
[Dbg]>>> df.ix[df['refGage'] == u'N/A'], 'refGage'] = ''

segArrNew 中每个字段的 fill_value 用于制作输出 DataFrame。我使用 df.ix() 替换了被屏蔽的填充标记。

使用掩码数组创建 pandas DataFrame

using masked array to create pandas DataFrame

arrays

numpy

pandas