根据条件的 pandas fillna [英] Pandas fillna based on a condition

问题描述

我还是熊猫的新手，但是我有一个以下格式的数据框:

I'm still new to pandas, but I have a dataframe in the following format:

    d_title    d_prefix                            d_header d_country d_subtitles  d_season  d_episode
0        NaN        NaN                 ##### MOROCCO #####   Morocco         NaN       NaN        NaN
1     title1         AR                                 NaN       NaN         NaN       NaN        NaN
2     title2         AR                                 NaN       NaN         NaN       NaN        NaN
3        NaN        NaN               ##### MOROCCO 2 #####   Morocco         NaN       NaN        NaN
4     title3         AR                                 NaN       NaN         NaN       NaN        NaN
5        NaN        NaN                 ##### ALGERIA #####   Algeria         NaN       NaN        NaN
6     title4         AR                                 NaN       NaN         NaN       NaN        NaN
7     title5         AR                                 NaN       NaN         NaN       NaN        NaN
8     title6         IT                                 NaN       NaN         NaN       NaN        NaN
9     title7         PL                                 NaN       NaN         NaN       1.0        1.0
10    title8         UK                                 NaN       NaN         NaN       NaN        NaN
11    title9         UK                                 NaN       NaN         NaN       NaN        NaN

并且我正在尝试使用以下条件填充"d_header"列中的所有NaN字段:

and I'm trying to fill all NaN fields in the 'd_header' column using the following conditions:

• 仅应为属于同一组的行设置"d_header"列
• 该组应由紧靠非Nan'd_header'行之后的行的'd_prefix'列值确定

因此在以下示例中:

• 0:'d_header'=='#####摩洛哥#####'
• 1:检查'd_prefix'并将所有行的'd_header'列设置为'##### MOROCCO #####'，直到'd_prefix'更改(将值设置为NaN)或新的'd_header'找到(重新开始)

    d_title    d_prefix                            d_header d_country d_subtitles  d_season  d_episode
0        NaN        NaN                 ##### MOROCCO #####   Morocco         NaN       NaN        NaN
1     title1         AR                 ##### MOROCCO #####       NaN         NaN       NaN        NaN
2     title2         AR                 ##### MOROCCO #####       NaN         NaN       NaN        NaN
3        NaN        NaN             ##### MOROCCO TNT #####   Morocco         NaN       NaN        NaN
4     title3         AR             ##### MOROCCO TNT #####       NaN         NaN       NaN        NaN
5        NaN        NaN                 ##### ALGERIA #####   Algeria         NaN       NaN        NaN
6     title4         AR                 ##### ALGERIA #####       NaN         NaN       NaN        NaN
7     title5         AR                 ##### ALGERIA #####       NaN         NaN       NaN        NaN
8     title6         IT                                 NaN       NaN         NaN       NaN        NaN
9     title7         PL                                 NaN       NaN         NaN       1.0        1.0
10    title8         UK                                 NaN       NaN         NaN       NaN        NaN
11    title9         UK                                 NaN       NaN         NaN       NaN        NaN

但是我对这种方法没有任何运气.是否会有更好的方法来达到相同的结果?

but I'm not having any luck with this approach. Would there be a better way to achieve the same result?

推荐答案

• d_prefix 几乎是您需要的分组密钥. bfill ，然后 groupby()
• 简化为简单的填充
• d_prefix is almost the grouping key you need. bfill it then groupby()
• reduced to simple ffill

df = df.assign(d_header=df.assign(t_prefix=df.d_prefix.fillna(method="bfill"))
 .groupby("t_prefix", as_index=False).apply(lambda dfa: dfa.d_header.fillna(method="ffill"))
 .reset_index(drop=True)
)

<身体>

	d_title	d_prefix	d_header	d_country	d_subtitles	d_season	d_episode
0	nan	nan	#####摩洛哥#####	摩洛哥	nan	nan	nan
1	title1	AR	#####摩洛哥#####	nan	nan	nan	nan
2	title2	AR	#####摩洛哥#####	nan	nan	nan	nan
3	nan	nan	#####摩洛哥2 #####	摩洛哥	nan	nan	nan
4	title3	AR	#####摩洛哥2 #####	nan	nan	nan	nan
5	nan	nan	#####阿尔及利亚#####	阿尔及利亚	nan	nan	nan
6	title4	AR	#####阿尔及利亚#####	nan	nan	nan	nan
7	title5	AR	#####阿尔及利亚#####	nan	nan	nan	nan
8	title6	IT	nan	nan	nan	nan	nan
9	title7	PL	nan	nan	nan	1	1
10	title8	英国	nan	nan	nan	nan	nan
11	title9	英国	nan	nan	nan	nan	nan

这篇关于根据条件的 pandas fillna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！