當值與另一列匹配時，Pandas 系列中的回填值

Question

我有一個像這樣的數據幀：

import numpy as np

raw_data = {'surface': [np.nan, np.nan, 'round', 'square'],
            'city': ['San Francisco', 'Miami', 'San Francisco', 'Miami']}

df = pd.DataFrame(raw_data, columns = ['surface', 'city'])

這看起來像這樣：

        surface city
   0    NaN     San Francisco
   1    NaN     Miami
   2    round   San Francisco
   3    square  Miami

我需要用“圓形”填充舊金山行的最早實例，用“方形”填充較早的邁阿密行。 使用 .fillna(method='bfill') 不會考慮其他列值，只會用圓形填充所有較早的行。

結果將是：

        surface city
   0    round   San Francisco
   1    square  Miami
   2    round   San Francisco
   3    square  Miami

Answer 1

您可以使用groupby.bfill ； 按城市列對數據框進行分組，然后使用bfill ：

df.groupby('city').bfill()

#  surface           city
#0  round   San Francisco
#1  square          Miami
#2  round   San Francisco
#3  square          Miami

Answer 2

[根據PSidom的令人欽佩的回答修改]

使用groupby()確實是關鍵點，但更不用說bfill()作用可能會令人困惑，因為它並沒有按照您實際認為的那樣做。

讓我們快速瀏覽一下這里的文檔。 而不是像OP想要的那樣回填數據，它實際上只是在下一列中用非缺失數據填充缺失數據。 在這種情況下，它與groupby()配合得很好，而您還需要執行groupby('*your group*').ffill()進行前向填充，以防您擁有的數據更復雜。

為了進一步說明，讓我們像這樣修改您的數據：

import numpy as np
import pandas as pd

raw_data = {'surface': [np.nan, np.nan, 'round', 'square', np.nan, np.nan, np.nan, np.nan],
            'city': ['San Francisco', 'Miami', 'San Francisco', 'Miami', 'Miami', 'Miami', 'San Francisco', 'Miami']}
df = pd.DataFrame(raw_data, columns = ['surface', 'city'])
df

#   surface city
#0  NaN     San Francisco
#1  NaN     Miami
#2  round   San Francisco
#3  square  Miami
#4  NaN     Miami
#5  NaN     Miami
#6  NaN     San Francisco
#7  NaN     Miami

只有df.groupby('city').bfill() ，你會得到：

df2 = df.groupby('city').bfill()
df2

#   surface city
#0  round   San Francisco
#1  square  Miami
#2  round   San Francisco
#3  square  Miami
#4  NaN     Miami
#5  NaN     Miami
#6  NaN     San Francisco
#7  NaN     Miami

看看那里發生了什么？ bfill()在第 0 行和第 1 行完成了工作，但保持第 4 ~ 7 行不變。 您應該同時使用bfill()和ffill() 。 也許是這樣的：

df3 =  df2.groupby('city').ffill()
df3

#   surface city
#0  round   San Francisco
#1  square  Miami
#2  round   San Francisco
#3  square  Miami
#4  square  Miami
#5  square  Miami
#6  round   San Francisco
#7  square  Miami

需要注意的是，您不應該使用df.groupby('city').bfill().ffill() 。 它會在那里填補一些錯誤。