脚本之家 服务器常用软件
快捷导航
您的位置：首页 → 脚本专栏 → python → python dataframe向下向上填充,fillna和ffill

python dataframe向下向上填充,fillna和ffill的方法

 更新时间：2018年11月28日 12:19:50   作者：chenKFKevin  
今天小编就为大家分享一篇python dataframe向下向上填充,fillna和ffill的方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

首先新建一个dataframe：

In[8]: df = pd.DataFrame({'name':list('ABCDA'),'house':[1,1,2,3,3],'date':['2010-01-01','2010-06-09','2011-12-03','2011-04-05','2012-03-23']})
In[9]: df
Out[9]: 
   date house name
0 2010-01-01  1 A
1 2010-06-09  1 B
2 2011-12-03  2 C
3 2011-04-05  3 D
4 2012-03-23  3 A

将date列改为时间类型：

In[12]: df.date = pd.to_datetime(df.date)

数据的含义是这样的，我们有ABCD四个人的数据，已知A在2010-01-01的时候，名下有1套房，B在2010-06-09的时候，名下有1套房，C在2011-12-03的时候，有2套房，D在2011-04-05的时候有3套房，A在2012-02-23的时候，数据更新了，有两套房。

要求在有姓名和时间的情况下，能给出其名下有几套房：

比如A在2010-01-01与2012-03-23期间任意一天，都应该是1套房，在2012-03-23之后，都是3套房。

我们使用pandas的fillna方法，选择ffill。

首先我们获得一个2010-01-01到2017-12-01的dataframe

In[14]: time_range = pd.DataFrame(
 pd.date_range('2010-01-01','2017-12-01',freq='D'), columns=['date']).set_index("date")
In[15]: time_range
Out[15]: 
Empty DataFrame
Columns: []
Index: [2010-01-01 00:00:00, 2010-01-02 00:00:00, 2010-01-03 00:00:00, 2010-01-04 00:00:00, 2010-01-05 00:00:00, 2010-01-06 00:00:00, 2010-01-07 00:00:00, 2010-01-08 00:00:00, 2010-01-09 00:00:00, 2010-01-10 00:00:00, 2010-01-11 00:00:00, 2010-01-12 00:00:00, 2010-01-13 00:00:00, 2010-01-14 00:00:00, 2010-01-15 00:00:00, 2010-01-16 00:00:00, 2010-01-17 00:00:00, 2010-01-18 00:00:00, 2010-01-19 00:00:00, 2010-01-20 00:00:00, 2010-01-21 00:00:00, 2010-01-22 00:00:00, 2010-01-23 00:00:00, 2010-01-24 00:00:00, 2010-01-25 00:00:00, 2010-01-26 00:00:00, 2010-01-27 00:00:00, 2010-01-28 00:00:00, 2010-01-29 00:00:00, 2010-01-30 00:00:00, 2010-01-31 00:00:00, 2010-02-01 00:00:00, 2010-02-02 00:00:00, 2010-02-03 00:00:00, 2010-02-04 00:00:00, 2010-02-05 00:00:00, 2010-02-06 00:00:00, 2010-02-07 00:00:00, 2010-02-08 00:00:00, 2010-02-09 00:00:00, 2010-02-10 00:00:00, 2010-02-11 00:00:00, 2010-02-12 00:00:00, 2010-02-13 00:00:00, 2010-02-14 00:00:00, 2010-02-15 00:00:00, 2010-02-16 00:00:00, 2010-02-17 00:00:00, 2010-02-18 00:00:00, 2010-02-19 00:00:00, 2010-02-20 00:00:00, 2010-02-21 00:00:00, 2010-02-22 00:00:00, 2010-02-23 00:00:00, 2010-02-24 00:00:00, 2010-02-25 00:00:00, 2010-02-26 00:00:00, 2010-02-27 00:00:00, 2010-02-28 00:00:00, 2010-03-01 00:00:00, 2010-03-02 00:00:00, 2010-03-03 00:00:00, 2010-03-04 00:00:00, 2010-03-05 00:00:00, 2010-03-06 00:00:00, 2010-03-07 00:00:00, 2010-03-08 00:00:00, 2010-03-09 00:00:00, 2010-03-10 00:00:00, 2010-03-11 00:00:00, 2010-03-12 00:00:00, 2010-03-13 00:00:00, 2010-03-14 00:00:00, 2010-03-15 00:00:00, 2010-03-16 00:00:00, 2010-03-17 00:00:00, 2010-03-18 00:00:00, 2010-03-19 00:00:00, 2010-03-20 00:00:00, 2010-03-21 00:00:00, 2010-03-22 00:00:00, 2010-03-23 00:00:00, 2010-03-24 00:00:00, 2010-03-25 00:00:00, 2010-03-26 00:00:00, 2010-03-27 00:00:00, 2010-03-28 00:00:00, 2010-03-29 00:00:00, 2010-03-30 00:00:00, 2010-03-31 00:00:00, 2010-04-01 00:00:00, 2010-04-02 00:00:00, 2010-04-03 00:00:00, 2010-04-04 00:00:00, 2010-04-05 00:00:00, 2010-04-06 00:00:00, 2010-04-07 00:00:00, 2010-04-08 00:00:00, 2010-04-09 00:00:00, 2010-04-10 00:00:00, ...]
 
[2892 rows x 0 columns]

然后用上上篇博客中提到的pivot_table将原本的df转变之后，与time_range进行merger操作。

In[16]: df = pd.pivot_table(df, columns='name', index='date')
 
In[17]: df
Out[17]: 
   house    
name   A B C D
date       
2010-01-01 1.0 NaN NaN NaN
2010-06-09 NaN 1.0 NaN NaN
2011-04-05 NaN NaN NaN 3.0
2011-12-03 NaN NaN 2.0 NaN
2012-03-23 3.0 NaN NaN NaN
In[18]: df = df.merge(time_range,how="right", left_index=True, right_index=True)

然后再进行向下填充操作：

In[20]: df = df.fillna(method='ffill')

最后：

df = df.stack().reset_index()

结果太长，这里就不粘贴了。如果想向上填充，可选择method = 'bfill‘

以上这篇python dataframe向下向上填充,fillna和ffill的方法就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持脚本之家。

您可能感兴趣的文章:

相关文章

  • PyCharm+PyQt5+QtDesigner配置详解

    PyCharm+PyQt5+QtDesigner配置详解

    这篇文章主要介绍了PyCharm+PyQt5+QtDesigner配置详解，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
    2020-08-08
  • Python实现将绝对URL替换成相对URL的方法

    Python实现将绝对URL替换成相对URL的方法

    这篇文章主要介绍了Python实现将绝对URL替换成相对URL的方法,涉及Python字符串操作及正则匹配的相关技巧,需要的朋友可以参考下
    2015-06-06
  • 详解Python装饰器 给你的咖啡加点料

    详解Python装饰器 给你的咖啡加点料

    今天你的咖啡加糖了吗？ 让我们通过一个简单的例子来引出装饰器的概念及用法。在引出装饰器之前，我们先来了解一下函数的概念，感兴趣的朋友跟随小编一起看看吧
    2021-07-07
  • 在Python3中初学者应会的一些基本的提升效率的小技巧

    在Python3中初学者应会的一些基本的提升效率的小技巧

    这篇文章主要介绍了在Python3中的一些基本的小技巧,有利于刚刚上手Python的初学者提升开发效率，需要的朋友可以参考下
    2015-03-03
  • Python自然语言处理词汇分析技术实战

    Python自然语言处理词汇分析技术实战

    这篇文章为大家介绍了Python自然语言处理词汇分析技术实战,主要对词汇分析进行介绍,一些语言方面的基础知识（词性、词语规范化）,有需要的朋友可以借鉴参考下,希望能够有所帮助,祝大家多多进步,早日升职加薪<BR>
    2024-01-01
  • Python私有属性私有方法应用实例解析

    Python私有属性私有方法应用实例解析

    这篇文章主要介绍了Python私有属性私有方法应用场景解析,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
    2020-09-09
  • 适合Python项目的五大SQL连接器

    适合Python项目的五大SQL连接器

    这篇文章，将要介绍当前流行的、适合大多数Python程序员的、五大Python SQL数据库连接器，并讨论它们安装和各种的优缺点。需要的喷朋友可以参考下面文章的具体内容
    2021-09-09
  • 解读Python中degrees()方法的使用

    解读Python中degrees()方法的使用

    这篇文章主要介绍了Python中degrees()方法的使用,是Python入门中的基础知识,需要的朋友可以参考下
    2015-05-05
  • python http服务flask架构实用代码详解分析

    python http服务flask架构实用代码详解分析

    本篇文章主要分享一个python的简单http服务flask架构。目前主流的python的服务框架有django、flask，相较于django来说，flask更小巧玲珑。至于并发的问题，使用了gevent协程io进行处理
    2021-10-10
  • Python图像处理库PIL的ImageFont模块使用介绍

    Python图像处理库PIL的ImageFont模块使用介绍

    这篇文章主要介绍了Python图像处理库PIL的ImageFont模块使用介绍，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
    2020-02-02

最新评论