时间戳

首页 > 解决方案 > 根据其他行值填充 Pandas DataFrame NaN 值的最佳方法是什么？

python - 根据其他行值填充 Pandas DataFrame NaN 值的最佳方法是什么？

问题描述

我有一个 DataFrame，在所有列中都有一些 NaN 值（总共 3 列）。我想用最快的方法用其他行中的最新有效值填充每个单元格中的 NaN 值。例如，如果 A 列是 NaN，B 列是“123”，我想在 B 列是“123”时在 A 列中找到最新值，并用该最新值填充 NaN 值。

我知道使用循环很容易做到这一点，但我正在考虑具有 2500 万条记录的 DataFrame 中的性能。任何想法都会有所帮助。

标签： pythonpandasperformancedataframe

解决方案

此解决方案使用 for 循环，但它循环 A 的值为 NaN 的值。

A = The column containing NaNs
B = The column to be referenced

import pandas as pd
import numpy as np

#Consider this dataframe
df = pd.DataFrame({'A':[1,2,3,4,np.nan,6,7,8,np.nan,10],'B':['xxxx','b','xxxx','d','xxxx','f','yyyy','h','yyyy','j']})

     A      B
0   1.0    xxxx
1   2.0    b
2   3.0    xxxx
3   4.0    d
4   NaN    xxxx
5   6.0    f
6   7.0    yyyy
7   8.0    h
8   NaN    yyyy
9   10.0   j


for i in list(df.loc[np.isnan(df.A)].index):   #looping over indexes where A in NaN

    #dict with the keys as B and values as A
    #here the dict keys will be unique and latest entries of B, hence having latest corresponding A values
    dictionary = df.iloc[:i+1].dropna().set_index('B').to_dict()['A']

    df.iloc[i,0] = dictionary[df.iloc[i,1]]    #using the dict to change the value of A

这是执行代码后df的样子

         A      B
    0   1.0    xxxx
    1   2.0    b
    2   3.0    xxxx
    3   4.0    d
    4   3.0    xxxx
    5   6.0    f
    6   7.0    yyyy
    7   8.0    h
    8   7.0    yyyy
    9   10.0   j

请注意在 index = 4 时，A 的值如何更改为 3.0 而不是 1.0

推荐阅读