我正在处理一个大到几千兆字节的pandas数据帧，并且在一些列中我存储了布尔值，我希望保留有关NaN的信息，以及之前{{3}中提出的建议我对这些列使用int8数据类型（其中1表示True，0表示False，-1表示{{1} }}）。现在我想对此数据帧的行执行NaN - 操作（并且仅对上面的布尔列执行）。但是，这个问题有两种不同的方法。说我有：
ffill我想得到：
df_sel = df.loc[bool_cols]
>>> print(df_sel)
0 1 2
0 1 0 1
1 1 -1 -1
2 0 -1 -1
3 0 0 -1
4 0 1 -1
以便行已向前填充。现在，在我使用 0 1 2
0 1 0 1
1 1 1 1
2 0 0 0
3 0 0 0
4 0 1 1
dtype之前，我可以使用int8，但由于内存优化，我不得不诉诸df_sel.fillna(method='ffill', axis=1)，但问题是我不能给这个函数一个df_sel.replace(-1, method='ffill')参数，因此我只能填充列！
一个可能的解决方案是转置两次（axis=1），但由于我正在处理这么大的数据集，这在计算上很昂贵且需要很长时间。我已经用不同的方式提出了这个问题（没有提到我的数据框的大小），并且question建议使用df_sel.T.replace(-1, method='ffill').T，但我遇到了相同的内存问题（遇到df_sel.mask(df_sel == -1).ffill(axis=1)＆ ＃39; s等）因为当再次用MemoryError填充-1值时，它会回复到后面的float64。比两次转换数据帧以获得相同结果更好的方法。