Python-在列中使用先前的记录值填充NULL

问题描述

import pandas as pd

df = pd.DataFrame([['NewJersy','2020-08-29'],['NewJersy',12,'2020-08-30'],'2020-08-31'],None,'2020-09-01'],'2020-09-02'],'2020-09-03'],5,'2020-09-04'],'2020-09-05'],'2020-09-06'],['NewYork',8,7,'2020-09-03']],columns=['FName','FVal','GDate'])

print(df)

我想用以前的记录值填充NULL值。例如，列FValue的值从20-09-01到20-09-03为NULL。 NULL值应替换为先前有效值（即20-08-31）的值12。

如果日期2020-08-29的值为空，则应将其替换为零，因为它是第一个日期，并且没有以前的记录。

我尝试了以下代码，但无法正常工作

df ['F'] = df ['F']。fillna（method ='ffill'）

在此处检查期望值： Fill Null Values image

谢谢

解决方法

首先，请确保您的DataFrame随时间排序，以防万一：

df = df.sort_values('GDate').reset_index(drop=True)

然后，您必须用0填充第一个值：

if pd.isnull(df.loc[0,'FVal']):
    df.loc[0,'FVal'] = df.loc[0,'FVal']

然后像您一样向前填充：

df['FVal'] = df['FVal'].fillna(method='ffill')

请注意，列名是FVal而不是F。

,

不确定这是否是您想要的。但这就是我要做的

>>> import math
>>> for s in df.iterrows():
...     if math.isnan(s[1][1]):
...        df.iloc[s[0],1] = df.iloc[s[0] - 1,1]
...
>>> df
       FName  FVal       GDate
0   NewJersy   0.0  2020-08-29
1   NewJersy  12.0  2020-08-30
2   NewJersy  12.0  2020-08-31
3   NewJersy  12.0  2020-09-01
4   NewJersy  12.0  2020-09-02
5   NewJersy  12.0  2020-09-03
6   NewJersy   5.0  2020-09-04
7   NewJersy   5.0  2020-09-05
8   NewJersy   5.0  2020-09-06
9    NewYork   5.0  2020-08-29
10   NewYork   5.0  2020-08-30
11   NewYork   8.0  2020-08-31
12   NewYork   7.0  2020-09-01
13   NewYork   7.0  2020-09-02
14   NewYork   7.0  2020-09-03
>>>

,

您可以尝试以下方法：

df.GDate = pd.to_datetime(df.GDate)
for i in range(len(df)):
    if (np.isnan(df.FVal.loc[i])) and (i > 0):
        if (df.GDate.loc[i]-df.GDate.loc[i-1]).days == 1:
            print((df.GDate.loc[i]-df.GDate.loc[i-1]).days)
            df.FVal.loc[i] = df.FVal.loc[i-1]
        else:
            df.FVal.loc[i] = 0

输出

    FName       FVal    GDate
0   NewJersy    0.0     2020-08-29
1   NewJersy    12.0    2020-08-30
2   NewJersy    12.0    2020-08-31
3   NewJersy    12.0    2020-09-01
4   NewJersy    12.0    2020-09-02
5   NewJersy    12.0    2020-09-03
6   NewJersy    5.0     2020-09-04
7   NewJersy    5.0     2020-09-05
8   NewJersy    5.0     2020-09-06
9   NewYork     0.0     2020-08-29
10  NewYork     0.0     2020-08-30
11  NewYork     8.0     2020-08-31
12  NewYork     7.0     2020-09-01
13  NewYork     7.0     2020-09-02
14  NewYork     7.0     2020-09-03