Question

我有以下pandas数据帧，我想用列D中的值以行方式填充AC列中的NaN。是否有明确的方法来执行此操作，我可以定义所有NaN应该依赖逐行列出D列中的值？我无法找到一种在fillna（）中明确执行此操作的方法。

请注意，还有其他列E-Z ，它们有自己的NaN，可能还有其他填充NaN的规则，应该保持不变。

A        B        C        D       E
158      158      158      177     ...  
158      158      158      177     ...
NaN      NaN      NaN      177     ...   
158      158      158      177     ...
NaN      NaN      NaN      177     ...

希望仅为A-C列提供此功能：

A        B        C        D       E
158      158      158      177     ...  
158      158      158      177     ...
177      177      177      177     ...   
158      158      158      177     ...
177      177      177      177     ...

感谢。

Answer 1

使用fillna功能：

df.fillna(axis=1, method='backfill')

如果其他列中没有NaN，

将会执行如果有，并且您希望保持不变，我认为这种方式的唯一选择是在数据帧的子集上执行fillna。使用示例数据框：

In [45]: df
Out[45]: 
     A    B    C    D   E   F
0  158  158  158  177   1  10
1  158  158  158  177   2  20
2  NaN  NaN  NaN  177   3  30
3  158  158  158  177 NaN  40
4  NaN  NaN  NaN  177   5  50

In [48]: df[['A', 'B', 'C', 'D']] = df[['A', 'B', 'C', 'D']].fillna(axis=1, method='backfill')

In [49]: df
Out[49]: 
     A    B    C    D   E   F
0  158  158  158  177   1  10
1  158  158  158  177   2  20
2  177  177  177  177   3  30
3  158  158  158  177 NaN  40
4  177  177  177  177   5  50

Udate：如果您不想依赖列顺序，还可以指定用于填充每一行的值（例如.fillna(value=df['D']）。唯一的问题是这只适用于Series（当它是一个数据帧时，它会尝试映射不同的值以填充到不同的列，而不是行）。因此，只要逐列申请，就可以了：

In [60]: df[['A', 'B', 'C']].apply(lambda x: x.fillna(value=df['D']))
Out[60]: 
     A    B    C
0  158  158  158
1  158  158  158
2  177  177  177
3  158  158  158
4  177  177  177

Answer 2

您也可以使用以下代码

cols = ['A', 'B', 'C', 'D']
df.loc[:,cols] = df.loc[:,cols].bfill()

针对特定列的逐行fillna？

2 个答案: