我想在 Pandas Dataframe 中使用 shift 函数来归档缺失值

问题描述

我想在 Pandas Dataframe 中使用 shift 函数来归档缺失值..

我尝试：

if

获取错误：

ex_df = pd.DataFrame({'a': [1,4,7,3,5],'b': [4,5,8,2,6],'c': [0,1,0],'d':[3,np.nan,9,np.nan]})
print(ex_df)

ex_df.info()
print(type(ex_df['a']))
ex_df['d'] = ex_df.apply(
    lambda row: row['a'].shift(1)*row['b'].shift(1) if pd.isnull(row['d']) else row['d'],axis=1
)

解决方法

以这种方式使用 apply 函数，它作用于特定的行值而不是序列或数据帧，因此它无法访问 shift 命令。

它需要被写入，以便 shift 命令正在执行系列。

试试这样的方法。

df['d']=df['d'].fillna(df[['a','b']].shift(1).sum(axis=1))

,

如果您想使用 apply 方法，那么以下应该可以工作。您只需要在 apply 的 args 参数中传递移动的数据帧/系列。

ex_df['d'] = ex_df.apply(
    lambda row,a_s,b_s: a_s[row.name]*b_s[row.name] if pd.isnull(row['d']) else row['d'],axis=1,args = [ex_df['a'].shift(1),ex_df['b'].shift(1)]
)

ex_df

输出：

    a   b   c   d
0   1   4   0   3.0
1   4   5   0   4.0
2   7   8   1   9.0
3   3   2   1   56.0
4   5   6   0   6.0