如何使用「ffill」和「bfill」高效替換 Pandas DataFrame 中的 NaN 值？

用Pandas DataFrame 中的前一個或下一個值替換NaN

處理Pandas DataFrame 時，丟失表示為NaN（不是數字）的數據可能會為數據分析帶來挑戰。一項常見任務是將這些 NaN 替換為從現有資料派生的適當值。一個簡單的方法是迭代 DataFrame 並明確修改值。然而，Pandas 提供了更有效的解決方案，可以避免使用循環。

前向填充 (ffill)

用上面的第一個非 NaN 值取代 NaN同一列，使用 fillna 方法和 ffill（向前填充）選項。此方法將最後一個有效觀察向前傳播到後續有效觀察。

import pandas as pd
df = pd.DataFrame([[1, 2, 3], [4, None, None], [None, None, 9]])
df.fillna(method='ffill')

輸出：

   0  1  2
0  1  2  3
1  4  2  3
2  4  2  9

其他注意事項

• DataFrame 中的第一行不應包含NaN，因為它充當填充。
• ffill 方法按列操作，這表示它分別填入每列中的 NaN。
• 要執行向後填充（用下面的下一個非 NaN 值替換 NaN），請使用bfill（向後填充）選項。
• 要就地修改 DataFrame 而不建立新變量，請將 inplace 參數設為正確：

df.fillna(method='ffill', inplace=True)

以上是如何使用「ffill」和「bfill」高效替換 Pandas DataFrame 中的 NaN 值？的詳細內容。更多資訊請關注PHP中文網其他相關文章！