在熊猫中满足条件后按组前向填充缺失值

Question

我对此有点麻烦。我的数据框如下所示：id    amount    dummy1      130        01      120        01      110        11      nan       nan 1      nan       nan   2      nan        02      50         02      20         12      nan       nan 2      nan       nan  所以，我需要做的是，在 dummy 获得 value = 1 之后，我需要为每个变量填充零id，如下所示：id    amount    dummy1      130        01      120        01      110        11       0        nan 1       0        nan   2      nan        02      50         02      20         12       0        nan 2       0        nan 我猜我需要一些groupby('id'), fillna(method='ffill'), 也许 a.loc或 a 的组合shift()，但是我尝试的所有东西都有一些问题或者很慢。有什么建议么？

Answer 1

我将使用的方式

s = df.groupby('id')['dummy'].ffill().eq(1)
df.loc[s&df.dummy.isna(),'amount']=0

Answer 2

你可以更容易地做到这一点：

data[data['dummy'].isna()]['amount'] = 0

这将选择 dummy 为 nan 的所有行，并用 0 填充金额列。

Answer 3

IIUC，ffill()并掩盖静南：

s = df.groupby('id')['amount'].ffill().notnull()

df.loc[df['amount'].isna() & s, 'amount'] = 0

输出：

   id  amount  dummy

0   1   130.0    0.0

1   1   120.0    0.0

2   1   110.0    1.0

3   1     0.0    NaN

4   1     0.0    NaN

5   2     NaN    0.0

6   2    50.0    0.0

7   2    20.0    1.0

8   2     0.0    NaN

9   2     0.0    NaN

Answer 4

请您尝试以下操作。

df.loc[df['dummy'].isnull(),'amount']=0

df

输出如下。

    id  amount  dummy

0   1   130.0   0.0

1   1   120.0   0.0

2   1   110.0   1.0

3   1   0.0     NaN

4   1   0.0     NaN

5   2   NaN     0.0

6   2   50.0    0.0

7   2   20.0    1.0

8   2   0.0     NaN

9   2   0.0     NaN