如何使用'ffill”和'bfill”高效替换 Pandas DataFrame 中的 NaN 值？

用 Pandas DataFrame 中的前一个或下一个值替换 NaN

处理 Pandas DataFrame 时，丢失表示为 NaN（不是数字）的数据可能会给数据分析带来挑战。一项常见任务是将这些 NaN 替换为从现有数据派生的适当值。一种简单的方法是迭代 DataFrame 并显式修改值。然而，Pandas 提供了更有效的解决方案，可以避免使用循环。

前向填充 (ffill)

用上面的第一个非 NaN 值替换 NaN同一列，使用 fillna 方法和 ffill（向前填充）选项。此方法将最后一个有效观察向前传播到后续有效观察。

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

输出：

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

其他注意事项

• DataFrame 中的第一行不应包含 NaN，因为它充当填充。
• ffill 方法按列操作，这意味着它分别填充每列中的 NaN。
• 要执行向后填充（用下面的下一个非 NaN 值替换 NaN），请使用bfill（向后填充）选项。
• 要就地修改 DataFrame 而不创建新变量，请将 inplace 参数设置为正确：

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

以上是如何使用'ffill”和'bfill”高效替换 Pandas DataFrame 中的 NaN 值？的详细内容。更多信息请关注PHP中文网其他相关文章！