Pandas：用下一个非 NaN / # 个连续的 NaN 填充 NaN

Question

我正在寻找一个熊猫系列并用下一个数值的平均值填充NaN，其中：average = next numerical value / (# consecutive NaNs + 1)

到目前为止，这是我的代码，我只是不知道如何在num 中的NaNs（以及下一个数值）中划分filler 列：

import pandas as pd

dates = pd.date_range(start = '1/1/2016',end = '1/12/2016', freq = 'D')
nums = [10, 12, None, None, 39, 10, 11, None, None, None, None, 60]

df = pd.DataFrame({
        'date':dates, 
        'num':nums
        })

df['filler'] = df['num'].fillna(method = 'bfill')

电流输出：

         date   num  filler
0  2016-01-01  10.0    10.0
1  2016-01-02  12.0    12.0
2  2016-01-03   NaN    39.0
3  2016-01-04   NaN    39.0
4  2016-01-05  39.0    39.0
5  2016-01-06  10.0    10.0
6  2016-01-07  11.0    11.0
7  2016-01-08   NaN    60.0
8  2016-01-09   NaN    60.0
9  2016-01-10   NaN    60.0
10 2016-01-11   NaN    60.0
11 2016-01-12  60.0    60.0

期望的输出：

         date   num
0  2016-01-01  10.0
1  2016-01-02  12.0
2  2016-01-03  13.0
3  2016-01-04  13.0
4  2016-01-05  13.0
5  2016-01-06  10.0
6  2016-01-07  11.0
7  2016-01-08  12.0
8  2016-01-09  12.0
9  2016-01-10  12.0
10 2016-01-11  12.0
11 2016-01-12  12.0

Answer 1

• 取反 cumsum 的 notnull
• 将其用于groupby 和transform 和mean

---

csum = df.num.notnull()[::-1].cumsum()
filler = df.num.fillna(0).groupby(csum).transform('mean')
df.assign(filler=filler)

         date   num  filler
0  2016-01-01  10.0    10.0
1  2016-01-02  12.0    12.0
2  2016-01-03   NaN    13.0
3  2016-01-04   NaN    13.0
4  2016-01-05  39.0    13.0
5  2016-01-06  10.0    10.0
6  2016-01-07  11.0    11.0
7  2016-01-08   NaN    12.0
8  2016-01-09   NaN    12.0
9  2016-01-10   NaN    12.0
10 2016-01-11   NaN    12.0
11 2016-01-12  60.0    12.0

---

工作原理

• df.num.notnull().cumsum() 是一种查找连续空值组的标准技术。但是，我希望我的组以下一个数值结束。所以我把这个系列反过来了，然后cumsum'd。
• 我希望我的平均值包括空值的数量。最简单的方法是用零填充，然后对我刚刚创建的组取正常平均值。
• transform 在现有索引中广播
• assign 新专栏。尽管反转了系列，但该指数将像魔术一样重新调整。本来可以使用loc，但这会覆盖现有的df。如果他们愿意，我会让 OP 决定覆盖。