Question

我有一个DataFrame，在所有列（总共3列）中都有一些NaN值。我想用最快的方法用其他行中的最新有效值填充每个单元格中的NaN值。例如，如果列A为NaN且列B为'123'，我想在列B为'123'时在列A中找到最新值，并用该最新值填充NaN值。

我知道通过循环执行此操作很容易，但是我正在考虑具有2500万条记录的DataFrame的性能。任何想法都会有所帮助。

Answer 1

此解决方案使用for循环，但会循环遍历A为NaN的A的值。

A = The column containing NaNs
B = The column to be referenced

import pandas as pd
import numpy as np

#Consider this dataframe
df = pd.DataFrame({'A':[1,2,3,4,np.nan,6,7,8,np.nan,10],'B':['xxxx','b','xxxx','d','xxxx','f','yyyy','h','yyyy','j']})

     A      B
0   1.0    xxxx
1   2.0    b
2   3.0    xxxx
3   4.0    d
4   NaN    xxxx
5   6.0    f
6   7.0    yyyy
7   8.0    h
8   NaN    yyyy
9   10.0   j


for i in list(df.loc[np.isnan(df.A)].index):   #looping over indexes where A in NaN

    #dict with the keys as B and values as A
    #here the dict keys will be unique and latest entries of B, hence having latest corresponding A values
    dictionary = df.iloc[:i+1].dropna().set_index('B').to_dict()['A']

    df.iloc[i,0] = dictionary[df.iloc[i,1]]    #using the dict to change the value of A

这是执行代码后df的外观

         A      B
    0   1.0    xxxx
    1   2.0    b
    2   3.0    xxxx
    3   4.0    d
    4   3.0    xxxx
    5   6.0    f
    6   7.0    yyyy
    7   8.0    h
    8   7.0    yyyy
    9   10.0   j

请注意，如何在索引= 4时将A的值更改为3.0，而不是1.0

根据其他行值填充Pandas DataFrame NaN值的最佳方法是什么？

1 个答案: