时间戳

首页 > 解决方案 > 前向填充熊猫数据框中的自定义值

python - 前向填充熊猫数据框中的自定义值

问题描述

我希望对一些数据框列执行前向填充。该ffill方法将缺失值或 NaN 替换为先前填充的值。就我而言，我想执行前向填充，不同之处在于我不想在 Nan 上执行此操作，而是针对特定值（例如“*”）。

这是一个例子

import pandas as pd 
import numpy as np

d = [{"a":1, "b":10},
     {"a":2, "b":"*"},
     {"a":3, "b":"*"},
     {"a":4, "b":"*"},
     {"a":np.nan, "b":50},
     {"a":6, "b":60},
     {"a":7, "b":70}]

df = pd.DataFrame(d)

与df存在

     a   b
0  1.0  10
1  2.0   *
2  3.0   *
3  4.0   *
4  NaN  50
5  6.0  60
6  7.0  70

预期的结果应该是

     a   b
0  1.0  10
1  2.0  10
2  3.0  10
3  4.0  10
4  NaN  50
5  6.0  60
6  7.0  70

np.nan如果到那时替换“*” ffill，那将导致应用于ffill列a。

由于我的数据有数百列，我想知道是否有比遍历所有列更有效的方法，检查它是否包含“*”，然后替换和填充。

标签： pythonpandas

解决方案

我认为您正朝着正确的方向前进，但这是一个完整的解决方案。我正在做的是“标记”原始 NaN 值，然后用 NaN 替换“*”，使用ffill，然后将原始 NaN 值放回原处。

df = df.replace(np.NaN, "<special>").replace("*", np.NaN).ffill().replace("<special>", np.NaN)

输出：

     a     b
0  1.0  10.0
1  2.0  10.0
2  3.0  10.0
3  4.0  10.0
4  NaN  50.0
5  6.0  60.0
6  7.0  70.0

这是一个替代解决方案，它做同样的事情，没有“特殊”标记：

original_nan = df.isna()
df = df.replace("*", np.NaN).ffill()
df[original_nan] = np.NaN

推荐阅读