我有一个如下数据框:
df = pd.DataFrame({'one' : pd.Series(['a', 'b', 'c', 'd','aa','bb',np.nan,'b','c',np.nan, np.nan] ),
'two' : pd.Series([10, 20, 30, 40,50,60,10,20,30,40,50])} )
其中第一列是变量,第二列是值。可变值是常量,永远不变。
示例'a'值为10 ,每当出现'a'时相应的值将为10
在第一列中缺少一些值,例如:NaN 10是a,NaN 40是d ,就像明智的数据框包含200个变量一样。
值不是连续变量,它们是离散且不可排序的
在这种情况下,我们如何估算缺失的值。 预期输出应为:
请帮助我。
关于, 文卡特。
答案 0 :(得分:2)
我认为通常最好将其分组并填写。我们使用DataFrame.groupby
:
df.groupby('two').apply(lambda x: x.ffill().bfill())
可以不使用groupby来完成,但是您必须按两列进行排序:
df.sort_values(['two','one']).ffill().sort_index()
下面,我向您展示另一个答案中提出的方法可能会失败:
以下是示例:
df=pd.DataFrame({'one':['a',np.nan,'c','d',np.nan,'c','b','b',np.nan,'a'],'two':[10,20,30,40,10,30,20,20,30,10]})
print(df)
one two
0 a 10
1 NaN 20
2 c 30
3 d 40
4 NaN 10
5 c 30
6 b 20
7 b 20
8 NaN 30
9 a 10
df.sort_values(['two']).fillna(method='ffill').sort_index()
one two
0 a 10
1 a 20
2 c 30
3 d 40
4 a 10
5 c 30
6 b 20
7 b 20
8 c 30
9 a 10
您可以在另一个答案中看到建议的方法在此处失败(请参阅第1行)。发生这种情况是因为某些NaN值可以是列“ two”的特定值的第一个,并用上一组的值填充。
如果我们先分组,就不会发生这种情况:
df.groupby('two').apply(lambda x: x.ffill().bfill())
one two
0 a 10
1 b 20
2 c 30
3 d 40
4 a 10
5 c 30
6 b 20
7 b 20
8 c 30
9 a 10
正如我所说的,我们可以使用DataFrame.sort_values
,但是我们需要对这两列进行排序。我建议您使用此方法。
df.sort_values(['two','one']).ffill().sort_index()
one two
0 a 10
1 b 20
2 c 30
3 d 40
4 a 10
5 c 30
6 b 20
7 b 20
8 c 30
9 a 10
答案 1 :(得分:1)
尝试一下:
df = df.sort_values(['two']).fillna(method='ffill').sort_index()
哪个会给你
one two
0 a 10
1 b 20
2 c 30
3 d 40
4 aa 50
5 bb 60
6 a 10
7 b 20
8 c 30
9 d 40
10 aa 50
答案 2 :(得分:0)
这里是:
df.ffill(inplace=True)
输出:
one two
0 a 10
1 b 20
2 c 30
3 d 40
4 aa 50
5 bb 60
6 a 10
7 b 20
8 c 30
9 d 40
10 aa 50