pandas通过非Nan值之前和之后的值来填充Nan
我想补df的nan平均相邻元件。
考虑一个数据框：
df = pd.DataFrame({'val': [1,np.nan, 4, 5, np.nan, 10, 1,2,5, np.nan, np.nan, 9]})
val
0 1.0
1 NaN
2 4.0
3 5.0
4 NaN
5 10.0
6 1.0
7 2.0
8 5.0
9 NaN
10 NaN
11 9.0
我想要的输出是：
val
0 1.0
1 2.5
2 4.0
3 5.0
4 7.5
5 10.0
6 1.0
7 2.0
8 5.0
9 7.0 <<< deadend
10 7.0 <<< deadend
11 9.0
我研究了其他解决方案，例如包含NaN的Fillcell之前和之后的平均值，但这在连续两个或多个np.nans的情况下不起作用。
任何帮助是极大的赞赏！
问题答案：
使用ffill+bfill除以2：
df = (df.ffill()+df.bfill())/2
print(df)
val
0 1.0
1 2.5
2 4.0
3 5.0
4 7.5
5 10.0
6 1.0
7 2.0
8 5.0
9 7.0
10 7.0
11 9.0
编辑：
如果包含第一个和最后一个元素，NaN则使用（[Dark` 建议）：
df = pd.DataFrame({'val':[np.nan,1,np.nan, 4, 5, np.nan,
10, 1,2,5, np.nan, np.nan, 9,np.nan,]})
df = (df.ffill()+df.bfill())/2
df = df.bfill().ffill()
print(df)
val
0 1.0
1 1.0
2 2.5
3 4.0
4 5.0
5 7.5
6 10.0
7 1.0
8 2.0
9 5.0
10 7.0
11 7.0
12 9.0
13 9.0
-
假设我初始化一个空数据帧如下： 生成的具有以下形式 有没有一种pythonic方法可以将s替换为其他值，例如？当然，一种方法是简单地将其指定为数据： 也许有更简洁的方法？
-
问题内容： 这应该很简单，但是我发现的最接近的内容是这篇文章： pandas：填充组中的缺失值，但我仍然无法解决我的问题。 假设我有以下数据框 我想在每个“名称”组中用平均值填写，即 我不确定要去哪里： 问题答案： 一种方法是使用：
-
问题内容： 我有一个包含4列的表格：项目，年份，月份，金额。Amount的某些值是null，当发生这种情况时，我想用以前的非null的Amount值来填充这些值。当只有一个空值时，我可以使用LAG函数轻松地做到这一点，但是当连续有多个空值时，我不确定如何处理它。以下是该表的外观示例，其中添加了要在查询中添加的内容的列： 我有两个想法，我似乎无法投入工作来实现自己想要的东西。首先，我要使用LAG，但
-
问题内容： 我有按日期索引的熊猫。有许多列，但仅在部分时间序列中填充了许多列。我想找到非值第一个和最后一个值的位置，以便提取日期并查看特定列的时间序列有多长时间。 有人能指出我正确的方向，如何去做这样的事情吗？提前致谢。 问题答案： @ behzad.nouri的解决方案完美工作，返回第一个和最后不使用Series.first_valid_index和Series.last_valid_index
-
我想在pyspark中以如下方式连接两个数据帧df1： df2 看起来像： 我想以这样的方式连接两个数据帧，使其看起来像： 我做了什么： 但是，不幸的是，这对我来说并不奏效。任何形式的帮助或暗示都将非常感谢。
-
问题内容： 示例问题 作为一个简单的示例，请考虑以下定义的numpy数组： 其中，像这样在控制台输出： 我现在想按行“向前填充” array中的值。我的意思是用左侧最接近的有效值替换每个值。所需的结果如下所示： 到目前为止尝试过 我试过使用for循环： 我还尝试过使用熊猫数据框作为中间步骤（因为熊猫数据框具有非常整洁的内置方法用于正向填充）： 以上两种策略都能产生预期的结果，但是我一直在想：仅使用