Question

给出以下示例：

import pandas as pd
df = pd.DataFrame({
    "date": ["20180724", "20180725", "20180731", "20180723", "20180731"],
    "identity": [None, "A123456789", None, None, None],
    "hid": [12345, 12345, 12345, 54321, 54321],
    "hospital": ["A", "A", "A", "B", "B"],
    "result": [70, None, 100, 90, 78]
})

由于前三行具有相同的hid和hospital，因此identity中的值也应该相同。至于其他两行，它们也具有相同的hid和hospital，但是没有提供已知的identity，因此identity中的值应保持缺失。换句话说，所需的输出是：

       date    identity    hid hospital  result
0  20180724  A123456789  12345        A    70.0
1  20180725  A123456789  12345        A     NaN
2  20180731  A123456789  12345        A   100.0
3  20180723        None  54321        B    90.0
4  20180731        None  54321        B    78.0

我可以遍历hid和hospital之类的所有组合，例如for hid, hospital in df[["hid", "hospital"]].drop_duplicates().itertuples(index=False)，但是我不知道下一步该怎么做。

Answer 1

将groupby和apply与ffill和bfill结合使用：

df['identity'] = df.groupby(['hid', 'hospital'])['identity'].apply(lambda x: x.ffill().bfill())

这将向前填充NaN，向后填充和，同时分隔指定组的值。

如果其他列中的值相同，则向前或向后填充NA

1 个答案: