Question

我有一个数据框A，其中包含一些我要填充的空单元格，其数据框为B。以下是一个示例数据：

A=
    Month   Type    Sale
    2016-01 A       20
    2016-02 A       10
    2016-01 B       40
    2016-02 B       30
    2016-01 C   
    2016-02 C   
    2016-01 D   
    2016-02 D   

B=
    Month   Type    Sale
    2016-01 A       20
    2016-02 A       10
    2016-01 B       40
    2016-02 B       30
    2016-01 C       60
    2016-02 C       40
    2016-01 D       60
    2016-02 D       40

这就是我所做的：

emptTypes= ['C', 'D']
x = A.groupby('Month', sort = False).Sale.sum()
B['Sale'][B['Type'].isin(emptTypes) & B['Month'].isin(x.index)]=x

没有任何反应！

Answer 1

我认为您可以fillna使用sum：

df['Sale'] = df.groupby('Month', sort = False).Sale.apply(lambda x: x.fillna(x.sum()))
print (df)
     Month Type  Sale
0  2016-01    A  20.0
1  2016-02    A  10.0
2  2016-01    B  40.0
3  2016-02    B  30.0
4  2016-01    C  60.0
5  2016-02    C  40.0
6  2016-01    D  60.0
7  2016-02    D  40.0

Answer 2

实际上，由于pandas 0.14你可以直接在数据框上使用fillna，你需要填写缺失值。

A.fillna(B)
Out[8]: 
        Type  Sale
Month             
2016-01    A  20.0
2016-02    A  10.0
2016-01    B  40.0
2016-02    B  30.0
2016-01    C  60.0
2016-02    C  40.0
2016-01    D  60.0
2016-02    D  40.0

我记得这一点，因为在我问了一段类似的问题之后，公关就是为了加入这个问题。

这将填充A中缺少的值以及与B对应且具有匹配标签（索引/列）的值。这更为通用，因为A和B不需要标记相同，并且当您有多索引时代码保持不变。

在Python中基于多个行值填充列

2 个答案: