Python - 应用用于在 Group by 组中填充 N/A 的函数

Question

我有 2 列中缺少值的数据集，我想用上一个日期的前一行中的值填充它。因此，根据预定义和参考（在先前填充的行中预定义）的最后日期，存在Weight并且Height应该填充来自另一行的值，例如：CategoryWorkerID数据示例：Ind  Date       WorkerID  Category   Weight   Height   Kind_eat1    31/12/17    E145-46     cat      2.35      0.6       1  2    01/09/18    M147-50     cat      4.78      0.8       23    27/05/18    K178-56     dog      7.03      0.75      34    09/02/18    T106-20     mouse    NaN       NaN       15    18/03/19    M147-50     cat      NaN       NaN       26    25/03/19    K178-56     dog      NaN       NaN       37    04/01/17    T106-20     mouse    0.75      0.15      48    01/04/19    T156-10     dog      6.99      0.13      4因此， NaNofWeight和Height列应根据Weight,Height列参考NaN上一个可用日期的非值填充，该日期在 中的实际值之前Date。例如，5    18/03/19    M147-50     cat      NaN       NaN       2应该由Weight和Height来自line2：5    18/03/19    M147-50     cat      4.78      0.8       2我试图通过group-by和fillna方法来做到这一点group，但它没有填满任何东西。df.groupby(['Date','WorkerID'], as_index = False).apply(lambda group: group.ffill())我也尝试使用： df.groupby(['Date','WorkedID']).ffill().reindex(df.columns, axis=1)实际结果是： - 没有正确填充 NaNInd  Date       WorkerID  Category   Weight   Height   Kind_eat1    31/12/17    E145-46     cat      2.35      0.6       1  2    01/09/18    M147-50     cat      4.78      0.8       23    27/05/18    K178-56     dog      7.03      0.75      34    09/02/18    T106-20     mouse    NaN       NaN       15    18/03/19    M147-50     cat      NaN       NaN       26    25/03/19    K178-56     dog      NaN       NaN       37    04/01/17    T106-20     mouse    0.75      0.15      48    01/04/19    T156-10     dog      6.99      0.13      4我很感激任何想法。谢谢）

Answer 1

我认为你必须先转换Date 为datetime。

df['Date'] = pd.to_datetime(df['Date'])

并使用sort_values通过Date并groupby与['WorkerID', 'Category']随后ffill。

df = df.sort_values('Date').groupby(['WorkerID', 'Category']).ffill().sort_index()

df

    WorkerID Category       Date  Weight  Height  Kind_eat

Ind                                                       

1    E145-46      cat 2017-12-31    2.35    0.60         1

2    M147-50      cat 2018-01-09    4.78    0.80         2

3    K178-56      dog 2018-05-27    7.03    0.75         3

4    T106-20    mouse 2018-09-02    0.75    0.15         1

5    M147-50      cat 2019-03-18    4.78    0.80         2

6    K178-56      dog 2019-03-25    7.03    0.75         3

7    T106-20    mouse 2017-04-01    0.75    0.15         4

8    T156-10      dog 2019-01-04    6.99    0.13         4