如何在熊猫数据帧中用前面的值替换NAN？

Question

如何在熊猫数据帧中用前面的值替换NAN？假设我有一个DataFrameNaNs：>>> import pandas as pd>>> df = pd.DataFrame([[1, 2, 3], [4, None, None], [None, None, 9]])>>> df    0   1   20   1   2   31   4 NaN NaN2 NaN NaN   9我需要做的是替换每一个NaN第一个非-NaN值位于其上方的同一列中。假定第一行将永远不包含NaN..因此，对于前面的示例，结果将是   0  1  20  1  2  31  4  2  32  4  2  9我只需逐列遍历整个DataFrame，逐个元素并直接设置值，但是是否有一种简单(最优无循环)的方法来实现这一点？

Answer 1

你可以用fillna方法，并将方法指定为ffill(前填)：

>>> df = pd.DataFrame([[1, 2, 3], [4, None, None], [None, None, 9]])>>> df.fillna(method='ffill')
   0  1  20  1  2  31  4  2  32  4  2  9

这种方法.。

将最后有效的观察向前传播到下一个有效的

往相反的方向走，也有一个bfill方法。

此方法不修改DataFrame的位置-您需要将返回的DataFrame重新绑定到一个变量，或者指定inplace=True:

df.fillna(method='ffill', inplace=True)

Answer 2

公认的答案是完美的。我有一个相关的，但略有不同的情况，我必须填补前进，但只在小组内。如果有人有同样的需求，请知道addna在DataFrameGroupBy对象上工作。

>>> example = pd.DataFrame({'number':[0,1,2,nan,4,nan,6,7,8,9],'name':list('aaabbbcccc')})

>>> example

  name  number

0    a     0.0

1    a     1.0

2    a     2.0

3    b     NaN

4    b     4.0

5    b     NaN

6    c     6.0

7    c     7.0

8    c     8.0

9    c     9.0

>>> example.groupby('name')['number'].fillna(method='ffill') # fill in row 5 but not row 3

0    0.0

1    1.0

2    2.0

3    NaN

4    4.0

5    4.0

6    6.0

7    7.0

8    8.0

9    9.0

Name: number, dtype: float64

Answer 3

你可以用pandas.DataFrame.fillna带着method='ffill'选择。'ffill'代表“向前填充”，并将传播最后有效的观察向前。另一种选择是'bfill'它的工作方式是一样的，但是向后。

import pandas as pd

df = pd.DataFrame([[1, 2, 3], [4, None, None], [None, None, 9]])

df = df.fillna(method='ffill')

print(df)

#   0  1  2

#0  1  2  3

#1  4  2  3

#2  4  2  9