Question

我认为我在概念上遗漏了一些基本内容，但我无法在文档中找到答案。

state value is 5

import Slider from react-native

 <Slider
                        minimumValue={0}
                        maximumValue={50}
                        onValueChange={(value) => this.setState({value: parseInt(value)})}
                        step={1} />
                      <Text>{parseInt(this.state.value)} KM</Text>

使用ffill（）然后使用bfill（）：

>>> df=pd.DataFrame({'a':[1,1,2,2,3,3], 'b':[5,np.nan, 6, np.nan, np.nan, np.nan]})
>>> df
   a    b
0  1  5.0
1  1  NaN
2  2  6.0
3  2  NaN
4  3  NaN
5  3  NaN

使用bfill（）然后使用ffill（）：

>>> df.groupby('a')['b'].ffill().bfill()
0    5.0
1    5.0
2    6.0
3    6.0
4    NaN
5    NaN

不是第二种方式打破了分组吗？第一种方法是否始终确保仅使用该组中的其他值填充值？

Answer 1

我认为你需要：

print (df.groupby('a')['b'].apply(lambda x: x.ffill().bfill()))
0    5.0
1    5.0
2    6.0
3    6.0
4    NaN
5    NaN
Name: b, dtype: float64

print (df.groupby('a')['b'].apply(lambda x: x.bfill().ffill()))
0    5.0
1    5.0
2    6.0
3    6.0
4    NaN
5    NaN
Name: b, dtype: float64

因为在您的示例中，只有ffill或bfill为DataFrameGroupBy.ffill或DataFrameGroupBy.bfill，其次是输出Series。所以它打破了群组，因为Series没有群组。

print (df.groupby('a')['b'].ffill())
0    5.0
1    5.0
2    6.0
3    6.0
4    NaN
5    NaN
Name: b, dtype: float64

print (df.groupby('a')['b'].bfill())
0    5.0
1    NaN
2    6.0
3    NaN
4    NaN
5    NaN
Name: b, dtype: float64

（pandas）为什么.bfill（）。ffill（）的行为与ffill（）。bfill（）在群组上的行为不同？

1 个答案: