Question

我有一个数据框，其中包含每个用户的会话。到目前为止，专栏之一是会议。其中一些会话具有空值。我相信我可以使用fillna和transform方法来适当地填充数据框。

预期的输出DataFrame：

import pandas as pd

df = pd.DataFrame({'user': [A, A, A, A, A, B, B, B, B, C, C, C, C, C],  'sessions': [28, NaN, NaN, NaN , 32, NaN, NaN,NaN,12, NaN,15, NaN, 17,NaN]})

尝试代码：

df_out = pd.DataFrame({'user': [A, A, A, A, A, B, B, B, B, C, C, C, C, C],  'sessions': [28, 29, 30, 31 , 32, 9, 10, 11,12, 14,15,16,17,18]})

这是可行的，如果我要填充均值，这是我所能想到的。请提出一些方法。

PS-会话的起始值不是1。我在某个时间点是通过快照进行的。我没有数据可以追溯到每个用户的会话号1。

Answer 1

假设没有NaN的值之间没有不匹配，您可以执行以下操作：

def fun(x):
    _, diff = (~x.reset_index().isna()).idxmax()  # find the absolute position of the first non NaN

    start = x[(~x.isna()).idxmax()] - diff  # find the start value

    result = pd.RangeIndex(start, start + len(x))  # generate range based on first value and length of group

    return pd.Series(data=result.values, index=x.index)  # return series


df['count'] = df.groupby('user').sessions.apply(fun)

print(df)

输出

   user  sessions  count
0     A      28.0     28
1     A       NaN     29
2     A       NaN     30
3     A       NaN     31
4     A      32.0     32
5     B       NaN      9
6     B       NaN     10
7     B       NaN     11
8     B      12.0     12
9     C       NaN     14
10    C      15.0     15
11    C       NaN     16
12    C      17.0     17
13    C       NaN     18

函数fun的第一行等效于：

diff = (~x.reset_index().isna()).idxmax()[1]

基本上找到归一化索引（从0开始）中的索引位置。

Answer 2

您可以使用groupby sessions和cumcount来重建first

s = df.groupby('user').sessions.cumcount()
s1 = (df.sessions - s).groupby(df.user).transform('first')

df['sessions'] = s1 + s

In [867]: df
Out[867]:
   user  sessions
0     A      28.0
1     A      29.0
2     A      30.0
3     A      31.0
4     A      32.0
5     B       9.0
6     B      10.0
7     B      11.0
8     B      12.0
9     C      14.0
10    C      15.0
11    C      16.0
12    C      17.0
13    C      18.0

熊猫根据DataFrame中的另一列填充NA的增量值

2 个答案: