熊猫用第一个可用值的拆分填充 nan 值

Question

我正在尝试将 DataFrame 中的 nan 值替换为以下所有 nan 值中第一个可用值的拆分。

在下面的例子中：

import pandas as pd
df = [100, None, None, 40, None, 120]
df = pd.DataFrame(df)

我想得到：

[33.33, 33.33, 33.33, 20, 20, 120]

如果我能找到一种方法来计算列中每个值后面的 nan 值的数量，那么我可以运行一些计算来实现拆分。

Answer 1

用途：

import pandas as pd
df = [100, None, None, 40, None, 120]
df = pd.DataFrame(df, columns=['a'])

s = df['a'].ffill() / df.groupby(df['a'].notna().cumsum())['a'].transform('size')
print (s)

0     33.333333
1     33.333333
2     33.333333
3     20.000000
4     20.000000
5    120.000000
Name: a, dtype: float64

详情：

您可以用ffill 之前的非NaNs 值替换缺失值：

print (df['a'].ffill())
0    100.0
1    100.0
2    100.0
3     40.0
4     40.0
5    120.0
Name: a, dtype: float64

然后通过Series.notna比较并通过Series.cumsum创建组：

print (df['a'].notna().cumsum())
0    1
1    1
2    1
3    2
4    2
5    3
Name: a, dtype: int32

并获得与 GroupBy.transform 相同大小的每个组的计数：

print (df.groupby(df['a'].notna().cumsum())['a'].transform('size'))
0    3
1    3
2    3
3    2
4    2
5    1
Name: a, dtype: int64

Answer 2

也许使用ffill，并获取第一列，然后除以它（ffilled 数据框）groupbyed 并使用transform('count') 获取计数并保持数据框的相同长度：

print(df.ffill()[0] / df.ffill().groupby(0)[0].transform('count'))