Заполнение NaN в фрейме данных на основе значений столбца

Question

Заполнение NaN в фрейме данных на основе значений столбца

У меня есть данные, которые напоминают следующий упрощенный пример:

Col1    Col2    Col3

a       A       10.1

b       A       NaN

d       B       NaN

e       B       12.3    

f       B       NaN

g       C       14.1

h       C       NaN

i       C       NaN

...на многие тысячи рядов. Мне нужно заполнить LNA, основываясь на значении в Col2, используя что-то аналогичное методу ffill. Результат, который я ищу, таков:

Col1    Col2    Col3

a       A       10.1

b       A       10.1

d       B       NaN

e       B       12.3    

f       B       12.3

g       C       14.1

h       C       14.1

i       C       14.1

Однако этот метод игнорирует значение в Col2. Есть идеи?

609 4

python pandas dataframe nan

4 ответов:

Comments

Ничего не найдено.

EdChum · Accepted Answer · 2015-07-15 23:26:20

Если я правильно понял, то вы можете groupby на 'Col2', а затем вызвать transform на 'Col3' и вызвать ffill:
In [35]:

df['Col3'] = df.groupby('Col2')['Col3'].transform(lambda x: x.ffill())
df
Out[35]:
  Col1 Col2  Col3
0    a    A  10.1
1    b    A  10.1
2    d    B   NaN
3    e    B  12.3
4    f    B  12.3
5    g    C  14.1
6    h    C  14.1
7    i    C  14.1

DrTRD · Accepted Answer · 2015-07-16 21:14:07

Один ответ, который я нашел, следующий:
df['col3'] = df.groupby('Col2').transform('fillna',method='ffill')['col3']
Какие-нибудь мысли?

Leb · Accepted Answer · 2015-07-15 23:08:45

Это то, что вы ищете?
import pandas as pd
import numpy as np


df['Col3'] = np.where(df['Col2'] == 'A', df['Col3'].fillna(10.1), df["Col3"])
Конечно замените соответственно.

Alexander · Accepted Answer · 2015-07-15 23:41:39

Вы можете взять фрагменты фрейма данных для каждого элемента Col2, а затем объединить результаты.
>>> pd.concat((df.loc[df.Col2 == letter, :].ffill() for letter in df.Col2.unique()))

  Col1 Col2  Col3
0    a    A  10.1
1    b    A  10.1
2    d    B   NaN
3    e    B  12.3
4    f    B  12.3
5    g    C  14.1
6    h    C  14.1
7    i    C  14.1
EDIT: похоже, что метод, представленный @EdChum, является самым быстрым на сегодняшний день.
%timeit pd.concat((df.loc[df.Col2 == letter, :].ffill() for letter in df.Col2.unique()))
100 loops, best of 3: 3.57 ms per loop

%timeit df.groupby('Col2').transform('fillna',method='ffill')['Col3']
100 loops, best of 3: 4.59 ms per loop

%timeit df.groupby('Col2')['Col3'].transform(lambda x: x.ffill())
1000 loops, best of 3: 746 µs per loop