根據Pandas中第二列的條件，用另一行的同一列的值填充特定行的列中的值

Question

我有一個Dataframe代表零售鏈數據集。 它具有列Item_Identifier，Item_Weight，Item_MRP，Outlet_Identifier。 Item_Weight列代表特定項目的重量（以gms為單位），為數字，具有某些缺失值。 列Outlet_Identifier = OUT019或OUT027的Item列的Item_Weight缺少值。 但是，在不同行中具有另一個Outlet_Identifier（OUT019或OUT027除外）的同一行中的同一Item（由Item_Identifier標識）具有Item_Weight，可用於將缺少的Item_Weight替換為Outlet_Identifier（OUT019或OUT027）。

我已經編寫了以下代碼，但似乎有問題。 而且，這不是最干凈的方法：

items = df_train[df_train.Outlet_Identifier == "OUT019"]['Item_Identifier']
listItems = []
for i in items:
    u = df_train.query('(Item_Identifier == @i) & (Outlet_Identifier != 
         "OUT019") & (Outlet_Identifier != "OUT027")').head(1)
    if not u.empty:
        listItems.append(u.at[u.index[0],'Item_Weight'])

df_rep = pd.concat([items.reset_index(),pd.DataFrame(listItems)],axis=1)
df_rep.columns = ['row', 'Item_Identifier', 'Item_Weight']
for index, row in df_rep.iterrows():
    df_train.loc[df_train.Item_Identifier == row.Item_Identifier ]
                                      ['Item_Weight']= row['Item_Weight']

需要一些幫助。

Answer 1

df['Item_Weight'] = df.groupby(['Item_Identifier','Outlet_Identifier'])['Item_Weight'].ffill()
df['Item_Weight'] = df.groupby(['Item_Identifier','Outlet_Identifier'])['Item_Weight'].bfill()

這應該可以解決您的問題。 ffill()將查看所有下一行，以查看是否有可用的內容並將其填充，而bfill()將查看前幾行以填充空值。