如何通过从最后一个有效值开始乘以“K”因子来转换缺失值？

Question

我的问题是从出现在缺失值“NaN”之前的第一个有效数字开始应用乘法因子K=0.5 ，并继续将该因子 K 应用于计算值，直到该期间的最后一个缺失值 NaN。

表A：

Bird1  Bird2  Bird3 
    
     100  50      200  
     50   40      100  
     40   40      80  
     NaN  80      200  
     NaN  50      NaN 
     NaN  90      NaN 
     100  12      40 

结果应如下表所示。 如何在 python 中实现此代码？

表 B：

Bird1   Bird2    Bird3 

 100     50      200  
 50      40      100  
 40      40      80  
 20      80      200  
 10      50      100 
 5       90      50 
 100     12      40

使用df.interpolate()命令不合适，因为它还使用缺失值 NaN 之后的值。 我只想在缺失值 NaN 之前开始并应用于第一个值的常量K

Answer 1

您可以编写自定义插值 function：

def interp(s, K=0.5):
    # group by non-NA then NA
    g = s.groupby(s.notna().cumsum())
    # get decreasing factors
    factor = K**g.cumcount()
    # interpolate
    return g.transform('first').mul(factor)

out = df.apply(interp)
#     df.apply(interp, K=0.5)

output：

   Bird1  Bird2  Bird3
0  100.0   50.0  200.0
1   50.0   40.0  100.0
2   40.0   40.0   80.0
3   20.0   80.0  200.0
4   10.0   50.0  100.0
5    5.0   90.0   50.0
6  100.0   12.0   40.0