熊猫填充 DataFrame 部分

Question

我正在尝试转发填充 DataFrame 的过滤部分，但它没有按我希望的方式工作。

我的 df 看起来像这样：

    Col Col2    
0   1   NaN 
1   NaN NaN 
2   3   string  
3   NaN string  

我希望它看起来像这样：

    Col Col2    
0   1   NaN 
1   NaN NaN 
2   3   string  
3   3   string  

这是我当前的代码：

filter = (df["col2"] == "string")
df.loc[filter, "col"].fillna(method="ffill", inplace=True)

但是我的代码根本没有改变 df 。 非常感谢任何反馈

Answer 1

我不确定我是否理解您的问题，但如果您想填写 NAN 值或任何值，您应该使用 Simple imputer

from sklearn.impute import SimpleImputer

然后，您可以定义一个用特定策略填充这些缺失值/NAN 的 imputer。 例如，如果你想用所有列的平均值填充这些值，你可以这样写：

imputer=SimpleImputer(missing_values=np.nan, strategy= 'mean')

或者，如果您将 NaN 作为字符串，则可以这样写

imputer=SimpleImputer(missing_values="NaN", strategy= 'mean')

如果你想用特定的值填充它，你可以这样做：

imputer=SimpleImputer(missing_values=np.nan, strategy= 'constant', fill_value = "YOUR VALUE")

然后你可以这样使用它

df[["Col"]]=imputer.fit_transform(df[["Col"]])

Answer 2

我们可以使用布尔索引来过滤Col2 = 'string'的Col部分，然后向前填充并仅更新该部分中的值

m = df['Col2'].eq('string')
df.loc[m, 'Col'] = df.loc[m, 'Col'].ffill()

---

   Col    Col2
0  1.0     NaN
1  NaN     NaN
2  3.0  string
3  3.0  string