Question

我想要的行为与pandas dataframe.fillna（'ffill'）方法完全相同，但是我不想自己使用最后一个非NaN值，而是想自己选择一个值，例如

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

应该成为

[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此目的，但想知道是否还有更好的方法？

Answer 1

使用Series.where向前填充后过滤不丢失的值：

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

为按行工作而解决：

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

通过检查非缺失值cumsum并通过DataFrame.eq进行比较而创建的带有布尔掩码的另一种解决方案：

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

熊猫填充的设定值

1 个答案: