前向填充熊猫数据框中的自定义值答案

【问题标题】：Forward fill on custom value in pandas dataframe前向填充熊猫数据框中的自定义值
【发布时间】：2020-06-25 08:54:12
【问题描述】：

我希望对某些数据框列执行前向填充。 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)

df 存在

预期的结果应该是

如果将“*”替换为np.nan 然后ffill，这将导致将ffill 应用于列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。

【问题讨论】：

标签： python pandas

【解决方案1】：

您可以将df.mask 与df.isin 与df.replace 一起使用

df.mask(df.isin(['*']),df.replace('*',np.nan).ffill())

     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

【讨论】：

【解决方案2】：

我认为您的方向是正确的，但这里有一个完整的解决方案。我正在做的是“标记”原始 NaN 值，然后使用 ffill 将“*”替换为 NaN，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

【讨论】：