Python Pandas replace NaN in one column with value from corresponding row of second column

Question

I am working with this Pandas DataFrame in Python 2.7.

File    heat    Farheit Temp_Rating

   1    YesQ    75      N/A

   1    NoR     115     N/A

   1    YesA    63      N/A

   1    NoT     83      41

   1    NoY     100     80

   1    YesZ    56      12

   2    YesQ    111     N/A

   2    NoR     60      N/A

   2    YesA    19      N/A

   2    NoT     106     77

   2    NoY     45      21

   2    YesZ    40      54

   3    YesQ    84      N/A

   3    NoR     67      N/A

   3    YesA    94      N/A

   3    NoT     68      39

   3    NoY     63      46

   3    YesZ    34      81

I need to replace all NaNs in the Temp_Rating column with the value from the Farheit column.

This is what I need:

File        heat    Observation

   1        YesQ    75

   1        NoR     115

   1        YesA    63

   1        YesQ    41

   1        NoR     80

   1        YesA    12

   2        YesQ    111

   2        NoR     60

   2        YesA    19

   2        NoT     77

   2        NoY     21

   2        YesZ    54

   3        YesQ    84

   3        NoR     67

   3        YesA    94

   3        NoT     39

   3        NoY     46

   3        YesZ    81

If I do a Boolean selection, I can pick out only one of these columns at a time. The problem is if I then try to join them, I am not able to do this while preserving the correct order.

How can I only find Temp_Rating rows with the NaNs and replace them with the value in the same row of the Farheit column?

Answer 1

If the DataFrame is in df then replace any NaN values with the corresponding value of df.Farheit.

After that delete the 'Farheit' column and then rename the columns.

df.Temp_Rating.fillna(df.Farheit, inplace=True)

del df['Farheit']

df.columns = 'File heat Observations'.split()

If you want to learn Python proogramming language for Data Science then you can watch this complete video tutorial: