-1

Boa tarde. Tenho um DataFrame com o seguinte head(): inserir a descrição da imagem aqui

Observem que na coluna bmi existem valores NaN, mais precisamente, existem 201 linhas. Quero alterar esse valor baseado na coluna age, então criei estas regras:

median1 = base.loc[(base['age'] >= 18) & (base['age'] < 30)].mean().age # media entre 18 a 30 anos

median2 = base.loc[(base['age'] >= 30) & (base['age'] <= 45)].mean().age # media entre 30 a 45 anos

median3 = base.loc[(base['age'] >= 46) & (base['age'] <= 65)].mean().age # media entre 46 a 65 anos

median4 = base.loc[(base['age'] >= 66) & (base['age'] <= 83)].mean().age # media entre 30 a 45 anos

Como faço para alterar a coluna bmi seguindo essas condições? tentei usando loc, usando np.select e por ai vai. Ex do código:

base.loc[(base['age'] >= 18) & (base['age'] < 30) & (base['bmi'] ==np.nan), 'bmi'] = median1.age Na documentação diz que posso passar uma condição e o novo valor, mas quando acontece esse tipo de condição mais complexa, simplesmente não vai.

2
  • É isso que vc quer? base.loc[(base['age'] >= 18) & (base['age'] < 30), "bmi"] = base.loc[(base['age'] >= 18) & (base['age'] < 30)].mean().age Commented 26/03/2021 às 22:54
  • Desse jeito, muda todos que estão entre os valores. Gostaria de mudar apenas os que tenham valores faltantes. Commented 27/03/2021 às 23:31

1 Resposta 1

0

Tem uma maneira de fazer o que você quer, mas não é tão direta quanto gostaria:

  1. Crie uma função dedicada para implementar o cálculo do bmi de acordo com seu critério.
  2. Crie separadamente os valores da coluna bmi com a função para todas as linhas.
  3. Use o método where() para substituir os valores NaN pelos seus valores calculados.

É um overkill, tem que calcular esse valor substituto para todas as linhas ao invés de somente as necessárias, mas funciona.

# função que retorna o índice bmi para um valor de idade
def median(df, age):
    if age >= 18 and age < 30:
        return df.loc[(df.age >= 18) & (df.age < 30)].bmi.mean()
    elif age >= 30 and age < 45:
        return df.loc[(df.age >= 30) & (df.age < 45)].bmi.mean()
    elif age >= 45 and age < 65:
        return df.loc[(df.age >= 45) & (df.age < 65)].bmi.mean()
    elif age >= 65:
        return df.loc[df.age >= 65].bmi.mean()

# lista com o valor bmi para todas as entradas na coluna age
new_bmi = [median(base, age) for age in base.age]

# data frame com a coluna bmi substituída pelos valores novos somente onde tem NaN
base.bmi = base.bmi.where(base.bmi.notna(), new_bmi)

Faça o teste aí com seu data frame e avise se tiver resolvido. Abraço.

1
  • É exatamente isto, amigo. Muito obrigado!! Não sabia que poderia fazer assim. Commented 30/03/2021 às 13:39

Você deve fazer log-in para responder a esta pergunta.

Esta não é a resposta que você está procurando? Pesquise outras perguntas com a tag .