我需要在我的 12 列数据框中调整两列。
例如，我有“A”、“B”、“C”和“D”列，每个列都有一系列值。考虑到我清理了一些 NaN 列，列数从 100 减少到 80，但它们仍然索引为 100，但有间隙(例如，第 5 行丢失)。
我只想通过 winsorize 方法转换列“A”和“B”。为此，我必须将我的列转换为 np.array。
import scipy.stats
df['A','B','C','D'] = #some values per each column
ab_df = df['A','B']
X = scipy.stats.mstats.winsorize(ab_df.values, limits=0.01)
new_ab_df = pd.DataFrame(X, columns = ['A','B'])
df = pd.concat([df['C','D'], new_ab_df], axis=1, join='inner', join_axes=[df.index])
当我转换为 np.array，然后返回到 pd.DataFrame 时，len() 在 80 处是正确的，但我的索引已重置为 0->80。如何确保我的转换“A”和“B”列正确索引？我不认为我可以使用 apply()，它会保留索引顺序并简单地换出值而不是我的方法，它创建一个只有 2 列的 df 的转换副本，然后将它们连接到我的其余部分未转换的列。
请您参考如下方法:
您可以对原始数据框执行此操作。
从您的问题描述来看，您似乎混淆了行和列(即您首先说您的数据框有 12 列，然后说列数从 100 减少到 80)。
最好在您的问题中提供一个最小的数据示例。缺少这个，这里是一些基于我的假设的数据:
import numpy as np
import scipy.stats
import pandas as pd
np.random.seed(0)
df = pd.DataFrame(np.random.randn(7, 5), columns=list('ABCDE'))
df.iat[1, 0] = np.nan
df.iat[3, 1] = np.nan
df.iat[5, 2] = np.nan
>>> df
A B C D E
0 1.764052 0.400157 0.978738 2.240893 1.867558
1 NaN 0.950088 -0.151357 -0.103219 0.410599
2 0.144044 1.454274 0.761038 0.121675 0.443863
3 0.333674 NaN -0.205158 0.313068 -0.854096
4 -2.552990 0.653619 0.864436 -0.742165 2.269755
5 -1.454366 0.045759 NaN 1.532779 1.469359
6 0.154947 0.378163 -0.887786 -1.980796 -0.347912
我的假设是删除任何带有 NaN 的行，然后进行缩尾处理。
mask = df.notnull().all(axis=1), ['A', 'B']
df.loc[mask] = scipy.stats.mstats.winsorize(df.loc[mask].values, limits=0.4)
我对 winsorize 函数应用了上限，以便在这个小数据集上的结果更加明显。
>>> df
A B C D E
0 0.400157 0.400157 0.978738 2.240893 1.867558
1 NaN 0.950088 -0.151357 -0.103219 0.410599
2 0.378163 0.400157 0.761038 0.121675 0.443863
3 0.333674 NaN -0.205158 0.313068 -0.854096
4 0.378163 0.400157 0.864436 -0.742165 2.269755
5 -1.454366 0.045759 NaN 1.532779 1.469359
6 0.378163 0.378163 -0.887786 -1.980796 -0.347912
