我真的是 Python 和数据科学的新手。
我有一个很大的数据集(超过 100K 行),在这个数据集中我有两列 A
和 B
。 A
是日期时间列,B 是字符串。
B 列有一些 NaN 值,我想用最新已知的 B 列值填充这些 NaN 值,前提是我的空 B 列行和已填充的 B 列行在同一天、同一月和同一年(Column A).
让我解释一下我自己:
假设这是我的输入:
df=pd.DataFrame({'A': ["2019-03-13 08:12:23", "2019-03-13 07:10:18", "2019-03-20 08:12:23", "2019-03-13 08:12:23", "2019-03-15 10:35:53", "2019-03-20 11:12:23"], 'B': ["B1", "B0", "B13", np.nan, "B10", "B12"]})
A B
0 2019-03-13 08:12:23 B1
1 2019-03-13 07:10:18 B0
2 2019-03-20 08:12:23 B13
3 2019-03-13 08:12:23 NaN
4 2019-03-15 10:35:53 B10
5 2019-03-20 11:12:23 B12
我想用 B1 填充 NaN 值(B 值在同一天出现并且具有最大时间,前提是这个“最大时间”不在实际 A
列之前值)。
所以我的输出应该是这样的:
A B
0 2019-03-13 08:12:23 B1
1 2019-03-13 07:10:18 B0
2 2019-03-20 08:12:23 B13
3 2019-03-13 08:12:23 B1
4 2019-03-15 10:35:53 B10
5 2019-03-20 11:12:23 B12
我试图实现这一点但没有成功,我能做的最好的就是使用这个将 NaN 值设为 B13:
df['B']=df['B'].replace({'B': {0: np.nan}}).ffill()
你们能告诉我实现这一目标的最快和最经济的方法是什么吗?
最佳答案
使用groupby
+ffill
as_date = pd.to_datetime(df.A)
s = np.argsort(as_date)
df['B'] = df.B.loc[s].groupby(as_date.loc[s].dt.date).ffill().loc[df.index]
A B
0 2019-03-13 08:12:23 B1
1 2019-03-13 07:10:18 B0
2 2019-03-20 08:12:23 B13
3 2019-03-13 08:12:23 B1
4 2019-03-15 10:35:53 B10
5 2019-03-20 11:12:23 B12
关于python - 如果行具有相同的 "B column"值,则用最后已知值填充空 "A column"单元格,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/58419568/