![](/img/trans.png)
[英]How to forward propagate/fill a specific value in a Pandas DataFrame Column/Series?
[英]Forward fill on custom value in pandas dataframe
我希望在一些 dataframe 列上执行前向填充。 ffill
方法用之前填充的值替换缺失值或 NaN。 就我而言,我想执行前向填充,不同之处在于我不想在 Nan 上执行此操作,而是针对特定值(例如“*”)。
这是一个例子
import pandas as pd
import numpy as np
d = [{"a":1, "b":10},
{"a":2, "b":"*"},
{"a":3, "b":"*"},
{"a":4, "b":"*"},
{"a":np.nan, "b":50},
{"a":6, "b":60},
{"a":7, "b":70}]
df = pd.DataFrame(d)
df
是
a b
0 1.0 10
1 2.0 *
2 3.0 *
3 4.0 *
4 NaN 50
5 6.0 60
6 7.0 70
预期的结果应该是
a b
0 1.0 10
1 2.0 10
2 3.0 10
3 4.0 10
4 NaN 50
5 6.0 60
6 7.0 70
如果将 "*" 替换为np.nan
然后ffill
,这将导致将ffill
应用于列a
。
由于我的数据有数百列,我想知道是否有比遍历所有列更有效的方法,检查它是否包含“*”,然后替换和填充。
我认为您正朝着正确的方向前进,但这是一个完整的解决方案。 我正在做的是“标记”原始 NaN 值,然后用 NaN 替换“*”,使用ffill
,然后将原始 NaN 值放回原处。
df = df.replace(np.NaN, "<special>").replace("*", np.NaN).ffill().replace("<special>", np.NaN)
output:
a b
0 1.0 10.0
1 2.0 10.0
2 3.0 10.0
3 4.0 10.0
4 NaN 50.0
5 6.0 60.0
6 7.0 70.0
这是一个替代解决方案,它做同样的事情,没有“特殊”标记:
original_nan = df.isna()
df = df.replace("*", np.NaN).ffill()
df[original_nan] = np.NaN
您可以将df.mask
与df.isin
与df.replace
一起使用
df.mask(df.isin(['*']),df.replace('*',np.nan).ffill())
a b
0 1.0 10
1 2.0 10
2 3.0 10
3 4.0 10
4 NaN 50
5 6.0 60
6 7.0 70
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.