大家好，又见面了，我是你们的朋友全栈君。
我试图使用具有相似列值的行来估算值.
例如,我有这个数据帧
one | two | three
1 1 10
1 1 nan
1 1 nan
1 2 nan
1 2 20
1 2 nan
1 3 nan
1 3 nan
我想使用列[‘one’]和[‘two’]的键,这是相似的,如果列[‘three’]不完全是nan,那么从列中的值为一行类似键的现有值’3′]
这是我的愿望结果
one | two | three
1 1 10
1 1 10
1 1 10
1 2 20
1 2 20
1 2 20
1 3 nan
1 3 nan
您可以看到键1和3不包含任何值,因为现有值不存在.
我尝试过使用groupby fillna()
df[‘three’] = df.groupby([‘one’,’two’])[‘three’].fillna()
这给了我一个错误.
我尝试了向前填充,这给了我相当奇怪的结果,它向前填充第2列.我正在使用此代码进行前向填充.
df[‘three’] = df.groupby([‘one’,’two’], sort=False)[‘three’].ffill()
感谢您的时间.
解决方法:
如果每组只有一个非NaN值,则每组使用ffill(向前填充)和bfill(向后填充),因此需要使用lambda：
df[‘three’] = df.groupby([‘one’,’two’], sort=False)[‘three’]
.apply(lambda x: x.ffill().bfill())
print (df)
one two three
0 1 1 10.0
1 1 1 10.0
2 1 1 10.0
3 1 2 20.0
4 1 2 20.0
5 1 2 20.0
6 1 3 NaN
7 1 3 NaN
但是如果每组多个值并且需要用一些常数替换NaN – 例如按组表示：
print (df)
one two three
0 1 1 10.0
1 1 1 40.0
2 1 1 NaN
3 1 2 NaN
4 1 2 20.0
5 1 2 NaN
6 1 3 NaN
7 1 3 NaN
df[‘three’] = df.groupby([‘one’,’two’], sort=False)[‘three’]
.apply(lambda x: x.fillna(x.mean()))
print (df)
one two three
0 1 1 10.0
1 1 1 40.0
2 1 1 25.0
3 1 2 20.0
4 1 2 20.0
5 1 2 20.0
6 1 3 NaN
7 1 3 NaN
标签：python,pandas
发布者：全栈程序员栈长，转载请注明出处：https://javaforall.cn/170021.html原文链接：https://javaforall.cn
