Question

在groupby元素上使用'bfill'或'ffill'是微不足道的，但如果你需要根据第三列中的条件在第二列中用特定值填充na呢？

例如：

>>> df=pd.DataFrame({'date':['01/10/2017', '02/09/2017', '02/10/2016','01/10/2017', '01/11/2017', '02/10/2016'], 'a':[1,1,1,2,2,2], 'b':[4,np.nan,6, 5, np.nan, 7]})
>>> df
   a    b        date
0  1  4.0  01/10/2017
1  1  NaN  02/09/2017
2  1  6.0  02/10/2016
3  2  5.0  01/10/2017
4  2  NaN  01/11/2017
5  2  7.0  02/10/2016

我需要按列'a'进行分组，并使用列'b'值填充NaN，其中该行的日期最接近NaN行中的日期。

所以输出应该如下：

   a    b        date
0  1  4.0  01/10/2017
1  1  6.0  02/09/2017
2  1  6.0  02/10/2016
3  2  5.0  01/10/2017
4  2  5.0  01/11/2017
5  2  7.0  02/10/2016

假设有一个nearest_date（）函数，它接受NaN日期和该组中其他日期的列表，并返回最接近的日期。

我正在尝试找到一个不必遍历行的干净解决方案，理想情况下可以将apply（）与lambdas一起使用。有什么想法吗？

Answer 1

这应该有效：

df['closest_date_by_a'] = df.groupby('a')['date'].apply(closest_date)
df['b'] = df.groupby(['a', 'closest_date_by_a'])['b'].ffill().bfill()

给定一个函数（closest_date()），您需要按组应用该函数，以便计算每个组中行的最接近日期。然后，您可以按主要分组列（a）和最近的日期列（closest_date_by_a）进行分组，然后执行填充。

Answer 2

确保您的+列实际上是日期。

^[_.][0-9]+[a-zA-Z]*_*$

在date

之后，

df = pd.DataFrame(
    {'date': ['01/10/2017', '02/09/2017', '02/10/2016','01/10/2017', '01/11/2017', '02/10/2016'],
     'a':[1,1,1,2,2,2], 'b':[4,np.nan,6, 5, np.nan, 7]})
df.date = pd.to_datetime(df.date)

print(df)

   a    b       date
0  1  4.0 2017-01-10
1  1  NaN 2017-02-09
2  1  6.0 2016-02-10
3  2  5.0 2017-01-10
4  2  NaN 2017-01-11
5  2  7.0 2016-02-10

与reindex一起使用

method='nearest'

（pandas）根据groupby和column条件填充NaN

2 个答案: