Question

通过DataFrame.add(fill_value=my_value)方法，您可以添加到数据帧，并选择一个单个值my_value来替换丢失的值。

另一方面，DataFrame.fillna在填充缺失值方面提供了更大的灵活性（例如，允许您将尾随的缺失值填充到每列的最后一个有效值），但是只能应用于已经存在的数据帧。

使用DataFrame.fillna时，有没有办法使用DataFrame.add之类的东西来填充两个数据帧期间的缺失值，而不是单个值？

例如我想执行

import pandas as pd
A = pd.Series(data=[1,2,3], index=['a', 'b', 'c'])
B = pd.Series(data=[1,2,3], index=['b', 'c', 'd'])
frame = pd.DataFrame({'a': A, 'b': B})
frame = frame.fillna(method='pad') # pad trailing missing values with last valid ones, column-wise
frame = frame.fillna(value=0) # pad (remaining) leading values with zeros
result = frame.sum(axis=1)

但使用A.add(B, unknown_params)。如果不可用，是否有其他方法比我目前正在执行的方法更有效？

Answer 1

不存在执行所有操作的通用魔术方法。您可以创建一个函数，利用方法链接并使用pd.DataFrame.pipe使代码更清晰：

def fill_sum(df):
    return df.fillna(method='pad').fillna(0).sum(1)

frame = pd.DataFrame({'a': A, 'b': B})

frame = frame.pipe(fill_sum)

print(frame)

a    1.0
b    3.0
c    5.0
d    6.0
dtype: float64

熊猫：使用`DataFrame.fillna`填充`DataFrame.add`的缺失值？

1 个答案: