[英]Pandas replace nan with first non-nan value based on another column
我有一个以下形式的数据框:(比这些更多的列 - 为简洁起见删除)
import pandas as pd
headers = ['A','B','C']
data = [['p1','','v1'],
['p2','','ba'],
['p3',9,'fg'],
['p1',1,'fg'],
['p2',45,'af'],
['p3',1,'fg'],
['p1',1,'hf']
]
df = pd.DataFrame(data,columns=headers)
A B C
0 p1 v1
1 p2 ba
2 p3 9 fg
3 p1 1 fg
4 p2 45 af
5 p3 1 fg
6 p1 1 hf
B 列有重复项,其中最新的值应该是非 NA(但可能不是)
我想用最新的非 NA 值替换 col B 值。 像这样的东西:
unique_people = df['A'].unique()
for person in unique_people:
sub_df = df[df['A'] == person]
val = sub_df['B'].tail(1).values
df['A'][df['A'] == person] = val # this also doesnt work because its not inplace
我确定有更好的方法来做到这一点,但我不确定如何。 有人能指出更好的方法吗?
谢谢!
首先将空字符串替换为缺失值,然后将GroupBy.transform
与GroupBy.last
用于每个组的最后一个非缺失值:
headers = ['A','B','C']
data = [['p1','','v1'],
['p2','','ba'],
['p3',9,'fg'],
['p1',1,'fg'],
['p2',45,'af'],
['p3',1,'fg'],
['p1','','hf']
]
df = pd.DataFrame(data,columns=headers)
df['B'] = df['B'].replace('', np.nan)
df['B'] = df.groupby('A')['B'].transform('last')
print (df)
A B C
0 p1 1.0 v1
1 p2 45.0 ba
2 p3 1.0 fg
3 p1 1.0 fg
4 p2 45.0 af
5 p3 1.0 fg
6 p1 1.0 hf
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.