使用键将以前的非缺失值填充到丢失的 pandas 数据中 [英] Fill in missing pandas data with previous non-missing value, grouped by key

问题描述

我正在处理像这样的pandas DataFrames:

I am dealing with pandas DataFrames like this:

   id    x
0   1   10
1   1   20
2   2  100
3   2  200
4   1  NaN
5   2  NaN
6   1  300
7   1  NaN

我想用具有相同'id'值的行中的每个NAN'x'替换为先前的非NAN'x':

I would like to replace each NAN 'x' with the previous non-NAN 'x' from a row with the same 'id' value:

   id    x
0   1   10
1   1   20
2   2  100
3   2  200
4   1   20
5   2  200
6   1  300
7   1  300

是否有一些巧妙的方法可以执行此操作而无需手动循环遍历行?

Is there some slick way to do this without manually looping over rows?

推荐答案

您可以执行 groupby/forward-fill 操作:

import numpy as np
import pandas as pd

df = pd.DataFrame({'id': [1,1,2,2,1,2,1,1], 'x':[10,20,100,200,np.nan,np.nan,300,np.nan]})
df['x'] = df.groupby(['id'])['x'].ffill()
print(df)

收益

   id      x
0   1   10.0
1   1   20.0
2   2  100.0
3   2  200.0
4   1   20.0
5   2  200.0
6   1  300.0
7   1  300.0

这篇关于使用键将以前的非缺失值填充到丢失的 pandas 数据中的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！