（pandas）为什么.bfill（）.ffill（）的行为与ffill（）.bfill（）在组上的行为不同？ [英] (pandas) Why does .bfill().ffill() act differently than ffill().bfill() on groups?

问题描述

我认为我在概念上缺少一些基本的东西，但我无法在文档中找到答案。

 >>> df = pd.DataFrame（{'a'：[1,1,2,2,3,3]，'b'：[5，np.nan，6，np.nan，np.nan，np.nan] }）
>>> df 
ab 
 0 1 5.0 
 1 1 NaN 
 2 2 6.0 
 3 2 NaN 
 4 3 NaN 
 5 3 NaN 
  

使用ffill（）然后bfill（）：

 >>> df.groupby（'a'）['b'] .ffill（）.bfill（）
 0 5.0 
 1 5.0 
 2 6.0 
 3 6.0 
 4 NaN 
 5 NaN 
  

使用bfill（）和ffill（）：

 >>> df.groupby（'a'）['b']。bfill（）.ffill（）
 0 5.0 
 1 5.0 
 2 6.0 
 3 6.0 
 4 6.0 
 5 6.0 
  

第二种方式不会破坏分组吗？第一种方法是否总是确保这些值只与该组中的其他值一起填充？

解决方案

我认为您需要：

  print（df.groupby（'a'）['b']。apply（lambda x：x.ffill（ ）.bfill（）））
 0 5.0 
 1 5.0 
 2 6.0 
 3 6.0 
 4 NaN 
 5 NaN 
名称：b ，dtype：float64 
 
 print（df.groupby（'a'）['b']。apply（lambda x：x.bfill（）。ffill（）））
 0 5.0 
 1 5.0 
 2 6.0 
 3 6.0 
 4 NaN 
 5 NaN 
名称：b，dtype：float64 
  ffill 或者 bfill   code>是  DataFrameGroupBy.ffill  或  DataFrameGroupBy.bfill  ，其次是输出系列。所以它打破了团体，因为系列没有团体。 
 
 
  print（ df.groupby（'a'）['b'] .ffill（））
 0 5.0 
 1 5.0 
 2 6.0 
 3 6.0 
 4 NaN 
 5 NaN 
名称：b，dtype：float64 
 
 print（df.groupby（'a'）['b']。bfill（））
 0 5.0 
 1 NaN 
 2 6.0 
 3 NaN 
 4 NaN 
 5 NaN 
名称：b，dtype：float64 
  
 
I think I'm missing something basic conceptually, but I'm not able to find the answer in the docs.
>>> df=pd.DataFrame({'a':[1,1,2,2,3,3], 'b':[5,np.nan, 6, np.nan, np.nan, np.nan]})
>>> df
   a    b
0  1  5.0
1  1  NaN
2  2  6.0
3  2  NaN
4  3  NaN
5  3  NaN
Using ffill() and then bfill():
>>> df.groupby('a')['b'].ffill().bfill()
0    5.0
1    5.0
2    6.0
3    6.0
4    NaN
5    NaN
Using bfill() and then ffill():
>>> df.groupby('a')['b'].bfill().ffill()
0    5.0
1    5.0
2    6.0
3    6.0
4    6.0
5    6.0
Doesn't the second way break the groupings? Will the first way always make sure that the values are filled in only with other values in that group?
解决方案
I think you need:
print (df.groupby('a')['b'].apply(lambda x: x.ffill().bfill()))
0    5.0
1    5.0
2    6.0
3    6.0
4    NaN
5    NaN
Name: b, dtype: float64

print (df.groupby('a')['b'].apply(lambda x: x.bfill().ffill()))
0    5.0
1    5.0
2    6.0
3    6.0
4    NaN
5    NaN
Name: b, dtype: float64
because in your sample only first ffill or bfill is DataFrameGroupBy.ffill or DataFrameGroupBy.bfill, second is working with output Series. So it break groups, because Series has no groups.
print (df.groupby('a')['b'].ffill())
0    5.0
1    5.0
2    6.0
3    6.0
4    NaN
5    NaN
Name: b, dtype: float64

print (df.groupby('a')['b'].bfill())
0    5.0
1    NaN
2    6.0
3    NaN
4    NaN
5    NaN
Name: b, dtype: float64


                        
这篇关于（pandas）为什么.bfill（）.ffill（）的行为与ffill（）.bfill（）在组上的行为不同？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！