熊貓填充 DataFrame 部分

Question

我正在嘗試轉發填充 DataFrame 的過濾部分，但它沒有按我希望的方式工作。

我的 df 看起來像這樣：

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

我希望它看起來像這樣：

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

這是我當前的代碼：

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

但是我的代碼根本沒有改變 df 。 非常感謝任何反饋

Answer 1

我不確定我是否理解您的問題，但如果您想填寫 NAN 值或任何值，您應該使用 Simple imputer

from sklearn.impute import SimpleImputer

然后，您可以定義一個用特定策略填充這些缺失值/NAN 的 imputer。 例如，如果你想用所有列的平均值填充這些值，你可以這樣寫：

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

或者，如果您將 NaN 作為字符串，則可以這樣寫

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

如果你想用特定的值填充它，你可以這樣做：

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

然后你可以這樣使用它

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

Answer 2

我們可以使用布爾索引來過濾Col2 = 'string'的Col部分，然后向前填充並僅更新該部分中的值

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