pandas Dataframe基于键列，将NaN值替换为以前的值

Question

我有一个如下所示的pd.dataframe：

key_value    a    b    c    d    e
value_01     1    10   x   NaN  NaN
value_01    NaN   12  NaN  NaN  NaN
value_01    NaN   7   NaN  NaN  NaN
value_02     7    4    y   NaN  NaN 
value_02    NaN   5   NaN  NaN  NaN
value_02    NaN   6   NaN  NaN  NaN
value_03     19   15   z   NaN  NaN

所以现在基于key_value，

对于列“ a”和“ c”，我想根据key_value从同一列“ a”和“ c”中复制最后一个单元格的值。

对于另一列“ d”，我想将行“ i-1”的单元格值从列“ b”复制到第d列“ d”。

最后，对于列'e'，我想将'i-1'单元格的总和从列'b'复制到列'e'第i个单元格。

对于每个key_value ，列“ a”，“ b”和“ c”在第一行中都有一些值，基于这些值，下一个值将被复制到该值上或针对不同的列复制该值正在为其生成。

key_value    a    b    c    d    e
value_01     1    10   x   NaN  NaN
value_01     1    12   x    10   10
value_01     1    7    x    12   22
value_02     7    4    y   NaN  NaN
value_02     7    5    y    4    4
value_02     7    6    y    5    9
value_03     8    15   z   NaN  NaN

我目前的做法：

size = df.key_value.size
for i in range(size):
    if pd.isna(df.a[i]) and df.key_value[i] == output.key_value[i - 1]:
        df.a[i] = df.a[i - 1]
        df.c[i] = df.c[i - 1]
        df.d[i] = df.b[i - 1]
        df.e[i] = df.e[i] + df.b[i - 1]

对于像“ a”和“ b”这样的列， NaN 值都在同一行索引中。

我的方法可行，但是由于我的daframe具有超过50000条记录，所以花费了很长时间，我想知道是否还有其他方法可以这样做，因为我有多个列，例如'a'和'b'，需要复制值基于'key_value'和一些使用诸如'b'之类的列来计算值的列

Answer 1

pd.concat与groupby和assign

pd.concat([
    g.ffill().assign(d=lambda d: d.b.shift(), e=lambda d: d.d.cumsum())
    for _, g in df.groupby('key_value')
])

  key_value     a  b  c    d    e
0  value_01   1.0  1  x  NaN  NaN
1  value_01   1.0  2  x  1.0  1.0
2  value_01   1.0  3  x  2.0  3.0
3  value_02   7.0  4  y  NaN  NaN
4  value_02   7.0  5  y  4.0  4.0
5  value_02   7.0  6  y  5.0  9.0
6  value_03  19.0  7  z  NaN  NaN

---

groupby和apply

def h(g):
    return g.ffill().assign(
        d=lambda d: d.b.shift(), e=lambda d: d.d.cumsum())

df.groupby('key_value', as_index=False, group_keys=False).apply(h)

Answer 2

您可以使用groupby + ffill进行分组填充。其他操作需要shift和cumsum。

通常，请注意，在熊猫中已有效实施了许多常见操作。

g = df.groupby('key_value')

df['a'] = g['a'].ffill()
df['c'] = g['c'].ffill()
df['d'] = df['b'].shift()
df['e'] = df['d'].cumsum()

print(df)

  key_value     a  b  c    d     e
0  value_01   1.0  1  x  NaN   NaN
1  value_01   1.0  2  x  1.0   1.0
2  value_01   1.0  3  x  2.0   3.0
3  value_02   7.0  4  y  3.0   6.0
4  value_02   7.0  5  y  4.0  10.0
5  value_02   7.0  6  y  5.0  15.0
6  value_03  19.0  7  z  6.0  21.0