根据行的先前值填充 NaN答案

【问题标题】：Fill NaN based on previous value of row根据行的先前值填充 NaN
【发布时间】：2019-08-27 13:07:33
【问题描述】：

我有一个数据框（样本，不是真实的）：

df =

    A   B   C    D   E     F       

0   3   4   NaN  NaN NaN   NaN  
1   9   8   NaN  NaN NaN   NaN      
2   5   9   4    7   NaN   NaN  
3   5   7   6    3   NaN   NaN  
4   2   6   4    3   NaN   NaN

现在我想用行的前几个（!!!）值填充 NaN 值（用左现有的几个数字填充 Nan 并应用于整行）并将其应用于整个数据集。

有很多关于填充列的答案。但在这种情况我需要根据行来填写。
也有关于基于其他列的填充 NaN 的答案，但是在我的情况下，列数超过 2000。这是示例数据

期望的输出是：

df =

   A  B   C  D  E  F  

0  3  4   3  4  3  4  
1  9  8   9  8  9  8  
2  5  9   4  7  4  7      
3  5  7   6  3  6  3  
4  2  6   4  3  4  3

【问题讨论】：

如果整行都填满了NaN，或者只有第一列不是NaN，会发生什么？
@DeepSpace idk。在我的数据集中，我至少有一对值。数据集中没有完整的 NaN 行
行首是否有NaN 值？

标签： python pandas

【解决方案1】：

IIUC，无需重塑数据的快速解决方案：

df.iloc[:,::2] = df.iloc[:,::2].ffill(1)
df.iloc[:,1::2] = df.iloc[:,1::2].ffill(1)
df

输出：

   A  B  C  D  E  F
0  3  4  3  4  3  4
1  9  8  9  8  9  8
2  5  9  4  7  4  7
3  5  7  6  3  6  3
4  2  6  4  3  4  3

【讨论】：

【解决方案2】：

想法是重塑 DataFrame 以使用 stack 和数组的 2 的模数和整数除法按列的长度进行可能的正向和反向填充缺失值：

c = df.columns 
a = np.arange(len(df.columns))
df.columns = [a // 2, a % 2]

#if possible some pairs missing remove .astype(int)
df1 = df.stack().ffill(axis=1).bfill(axis=1).unstack().astype(int)
df1.columns = c
print (df1)
   A  B  C  D  E  F
0  3  4  3  4  3  4
1  9  8  9  8  9  8
2  5  9  4  7  4  7
3  5  7  6  3  6  3
4  2  6  4  3  4  3

详情：

print (df.stack())
     0    1   2
0 0  3  NaN NaN
  1  4  NaN NaN
1 0  9  NaN NaN
  1  8  NaN NaN
2 0  5  4.0 NaN
  1  9  7.0 NaN
3 0  5  6.0 NaN
  1  7  3.0 NaN
4 0  2  4.0 NaN
  1  6  3.0 NaN

【讨论】：