問題有沒有辦法使用 groupby 用 0 填充缺失值，但僅在觀察第一次出現(xiàn)之后？例如開始 id spiq nopiq spiq pstkq dvy dvpq mibq xidoq miiq2014 1 NaN NaN NaN 0.0 NaN 0.0 0.0 -0.122 0.0002015 1 0.01 0.003 0.1 0.10 NaN NaN NaN -1.309 0.0002016 1 0.04 0.003 NaN 0.10 NaN 0.10 0.10 NaN NaN2017 1 NaN 0.000 NaN NaN 20 NaN NaN 0.000 NaN2018 1 0.05 0.000 NaN 0.0 NaN 0.0 0.0 0.000 0.0002014 2 NaN NaN NaN 0.0 NaN 0.0 0.0 -0.122 0.0002015 2 0.01 0.003 0.1 0.10 NaN NaN NaN -1.309 0.0002016 2 0.04 0.003 NaN 0.10 NaN 0.10 0.10 NaN NaN2017 2 NaN 0.000 NaN NaN 20 NaN NaN 0.000 NaN2018 2 0.05 0.000 NaN 0.0 NaN 0.0 0.0 0.000 0.0002014 3 NaN NaN NaN 0.0 NaN 0.0 0.0 -0.122 0.0002015 3 0.01 0.003 0.1 0.10 NaN NaN NaN -1.309 0.0002016 3 0.04 0.003 NaN 0.10 NaN 0.10 0.10 NaN NaN2017 3 NaN 0.000 NaN NaN 20 NaN NaN 0.000 NaN2018 3 0.05 0.000 NaN 0.0 NaN 0.0 0.0 0.000 0.000期望的 id spiq nopiq spiq pstkq dvy dvpq mibq xidoq miiq2014 1 NaN NaN NaN 0.0 NaN 0.0 0.0 -0.122 0.0002015 1 0.01 0.003 0.1 0.10 NaN 0.0 0.0 -1.309 0.0002016 1 0.04 0.003 0.0 0.10 NaN 0.10 0.10 0.0 0.02017 1 0.0 0.000 0.0 0.0 20 0.0 0.0 0.0 0.02018 1 0.05 0.000 0.0 0.0 0.0 0.0 0.0 0.0 0.0002014 2 NaN NaN NaN 0.0 NaN 0.0 0.0 -0.122 0.0002015 2 0.01 0.003 0.1 0.10 NaN 0.0 0.0 -1.309 0.0002016 2 0.04 0.003 0.0 0.10 NaN 0.10 0.10 0.0 0.02017 2 0.0 0.000 0.0 0.0 20 0.0 0.0 0.000 0.02018 2 0.05 0.000 0.0 0.0 0.0 0.0 0.0 0.000 0.0002014 3 NaN NaN NaN 0.0 NaN 0.0 0.0 -0.122 0.000
1 回答
慕森卡
TA貢獻1806條經(jīng)驗 獲得超8個贊
IIUC，這是一種方法，因為您不能向前填充零。
df.mask((df.groupby('id').ffill().notna() &
df.isna()).fillna(False), 0)
輸出：
id spiq nopiq spiq.1 pstkq dvy dvpq mibq xidoq miiq
2014 1 NaN NaN NaN 0.0 NaN 0.0 0.0 -0.122 0.0
2015 1 0.01 0.003 0.1 0.1 NaN 0.0 0.0 -1.309 0.0
2016 1 0.04 0.003 0.0 0.1 NaN 0.1 0.1 0.000 0.0
2017 1 0.00 0.000 0.0 0.0 20.0 0.0 0.0 0.000 0.0
2018 1 0.05 0.000 0.0 0.0 0.0 0.0 0.0 0.000 0.0
2014 2 NaN NaN NaN 0.0 NaN 0.0 0.0 -0.122 0.0
2015 2 0.01 0.003 0.1 0.1 NaN 0.0 0.0 -1.309 0.0
2016 2 0.04 0.003 0.0 0.1 NaN 0.1 0.1 0.000 0.0
2017 2 0.00 0.000 0.0 0.0 20.0 0.0 0.0 0.000 0.0
2018 2 0.05 0.000 0.0 0.0 0.0 0.0 0.0 0.000 0.0
2014 3 NaN NaN NaN 0.0 NaN 0.0 0.0 -0.122 0.0
2015 3 0.01 0.003 0.1 0.1 NaN 0.0 0.0 -1.309 0.0
2016 3 0.04 0.003 0.0 0.1 NaN 0.1 0.1 0.000 0.0
2017 3 0.00 0.000 0.0 0.0 20.0 0.0 0.0 0.000 0.0
2018 3 0.05 0.000 0.0 0.0 0.0 0.0 0.0 0.000 0.0
細節(jié)：
使用ffillaftergroupby用每個組的最后一個有效值填充 NaN，然后檢查新創(chuàng)建的數(shù)據(jù)幀以查看原始 df 中所有非 NaN 值和 NaN 值的位置，并使用 0 填充它們mask。
添加回答
舉報
0/150
提交
取消