在大熊猫数据帧替换值

Question

我有以下Python代码：

consumos=df.iloc[:,0] 

df['media_movel'] = rolling_median(consumos, window=30, center=True).fillna(method='bfill').fillna(method='ffill') 
desv_padrao=df.stack().std() 
threshold = 1000 
difference = np.abs(consumos - df['media_movel']) 

corr=np.abs(df['media_movel']-desv_padrao) 
df['corr']=pd.DataFrame(corr) 


outlier = difference > threshold 
df.mask(outlier, df['corr'], axis=1) 

所以，我有一个包含时间序列数据帧和我的目的是纠正异常值（由admiting，基准数据之间的差滚动中位数必须大于1000，这是阈值）。为此，我创建了布尔变量outlier（根据前面的解释，当出现异常值时为True），我试图用（轧制介质列 - 标准偏差）替换那些异常值为一个掩模，但结果是NaN的时间序列。我不知道为什么这些NaN出现，但我需要获得正确的数据。

Answer 1

我认为由于形状不匹配，替换掩码值可能会失败。试着用这个替换您的最后一行：

df.mask(outlier, df['corr'].values.reshape(-1, 1), axis=1) 

如果失败了，试试这个：

df.iloc[:,0].mask(outlier, df['corr'].values.reshape(-1, 1), axis=1)