Skip to main content
 首页 » 编程设计

python之pandas ffill 的设置值

2024年12月31日7yxwkf

我想要与 pandas dataframe.fillna('ffill') 方法完全相同的行为,但我不想使用最后一个非 NaN 值,而是想自己选择值,例如

[NaN, NaN, NaN, 1, 2, 3, 4, 5, NaN, NaN, NaN]

应该变成

[NaN, NaN, NaN, 1, 2, 3, 4, 5, 0, 0, 0] 

使用方法调用 df.fillnan(0, 'ffill')。

我可以通过遍历数据帧每一行中的每个值来实现这一点,但想知道是否有更优化的方法?

请您参考如下方法:

使用Series.where用于在前向填充后过滤非缺失值:

s = pd.Series([np.NaN, np.NaN, np.NaN, 1, 2, np.NaN, 4, 5, np.NaN, np.NaN, np.NaN]) 
print (s) 
0     NaN 
1     NaN 
2     NaN 
3     1.0 
4     2.0 
5     NaN 
6     4.0 
7     5.0 
8     NaN 
9     NaN 
10    NaN 
dtype: float64 
 
s = s.where(s.ffill().isnull(), s.fillna(0)) 
print (s) 
0     NaN 
1     NaN 
2     NaN 
3     1.0 
4     2.0 
5     0.0 
6     4.0 
7     5.0 
8     0.0 
9     0.0 
10    0.0 
dtype: float64 

按行工作的解决方案:

df = pd.DataFrame({ 
         'B':[np.nan,np.nan,4,np.nan,5,np.nan], 
         'C':[7,8,9,4,np.nan,np.nan], 
         'D':[np.nan,np.nan,np.nan,np.nan,1,np.nan], 
         'E':[np.nan] * 6, 
 
}) 
 
df1 = df.where(df.ffill(axis=1).isnull(), df.fillna(0))  
print (df1) 
     B    C    D    E 
0  NaN  7.0  0.0  0.0 
1  NaN  8.0  0.0  0.0 
2  4.0  9.0  0.0  0.0 
3  NaN  4.0  0.0  0.0 
4  5.0  0.0  1.0  0.0 
5  NaN  NaN  NaN  NaN 

另一个通过检查非缺失值创建的 bool 掩码解决方案,cumsum并通过 DataFrame.eq 进行比较:

df1 = df.where(df.notnull().cumsum(axis=1).eq(0), df.fillna(0)) 
print (df1) 
     B    C    D    E 
0  NaN  7.0  0.0  0.0 
1  NaN  8.0  0.0  0.0 
2  4.0  9.0  0.0  0.0 
3  NaN  4.0  0.0  0.0 
4  5.0  0.0  1.0  0.0 
5  NaN  NaN  NaN  NaN