[英]Fill subsequent values of python pandas dataframe with zeros when a condition is met
[英]Forward fill missing values by group after condition is met in pandas
我对此有点麻烦。 我的 dataframe 看起来像这样:
id amount dummy
1 130 0
1 120 0
1 110 1
1 nan nan
1 nan nan
2 nan 0
2 50 0
2 20 1
2 nan nan
2 nan nan
所以,我需要做的是,在 dummy 获得 value = 1 之后,我需要为每个id
填充 amount 变量为零,如下所示:
id amount dummy
1 130 0
1 120 0
1 110 1
1 0 nan
1 0 nan
2 nan 0
2 50 0
2 20 1
2 0 nan
2 0 nan
我猜我需要groupby('id')
, fillna(method='ffill')
,也许是.loc
或shift()
的某种组合,但我尝试的一切都有一些问题或非常慢。 有什么建议么?
我将使用的方式
s = df.groupby('id')['dummy'].ffill().eq(1)
df.loc[s&df.dummy.isna(),'amount']=0
你可以更容易地做到这一点:
data[data['dummy'].isna()]['amount'] = 0
这将 select 所有 dummy 为 nan 的行并用 0 填充金额列。
IIUC、 ffill()
和掩码 Still-nan:
s = df.groupby('id')['amount'].ffill().notnull()
df.loc[df['amount'].isna() & s, 'amount'] = 0
Output:
id amount dummy
0 1 130.0 0.0
1 1 120.0 0.0
2 1 110.0 1.0
3 1 0.0 NaN
4 1 0.0 NaN
5 2 NaN 0.0
6 2 50.0 0.0
7 2 20.0 1.0
8 2 0.0 NaN
9 2 0.0 NaN
请您尝试以下操作。
df.loc[df['dummy'].isnull(),'amount']=0
df
Output 如下。
id amount dummy
0 1 130.0 0.0
1 1 120.0 0.0
2 1 110.0 1.0
3 1 0.0 NaN
4 1 0.0 NaN
5 2 NaN 0.0
6 2 50.0 0.0
7 2 20.0 1.0
8 2 0.0 NaN
9 2 0.0 NaN
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.