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

  • Python重写父类的三种方法小结

    Python重写父类的三种方法小结

    本文主要介绍了Python重写父类的三种方法小结，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
    2023-03-03
  • python脚本替换指定行实现步骤

    python脚本替换指定行实现步骤

    这篇文章主要介绍了 python脚本替换指定行实现步骤的相关资料,需要的朋友可以参考下
    2017-07-07
  • Python中用于转换字母为小写的lower()方法使用简介

    Python中用于转换字母为小写的lower()方法使用简介

    这篇文章主要介绍了Python中用于转换字母为小写的lower()方法使用,是Python学习中的基础知识,需要的朋友可以参考下
    2015-05-05
  • Python Playwright 文本框操作技巧

    Python Playwright 文本框操作技巧

    这篇文章主要介绍了Python Playwright 文本框操作技巧,包括如何获得文本框的值，以及向文本框中添加单行和多行文本，本文结合实例代码给大家介绍的非常详细，需要的朋友可以参考下
    2023-05-05
  • Python除法保留两位小数点的三种方法实现

    Python除法保留两位小数点的三种方法实现

    这篇文章主要给大家介绍了关于Python除法保留两位小数点的三种方法实现,在py应用中有许多拿结果中的多个整数进行运算,难免少不了除法(如单位换算等),但是整数进行运算后只会返回整数，一般结果基本需要精确到后两位,需要的朋友可以参考下
    2023-08-08
  • Python中元组解构的技巧详解

    Python中元组解构的技巧详解

    在Python中,元组（tuple）是一种常用的数据结构,元组的解构是一项强大的特性,快速、方便地将元组中的值分配给多个变量,下面我们就来学习一下Python中元组解构的技巧吧
    2024-01-01
  • Python使用random模块生成随机数操作实例详解

    Python使用random模块生成随机数操作实例详解

    这篇文章主要介绍了Python使用random模块生成随机数操作,结合具体实例形式详细分析了random模块生成随机数的各种常用技巧与相关操作注意事项,需要的朋友可以参考下
    2019-09-09
  • 解决py2exe打包后,总是多显示一个DOS黑色窗口的问题

    解决py2exe打包后,总是多显示一个DOS黑色窗口的问题

    今天小编就为大家分享一篇解决py2exe打包后,总是多显示一个DOS黑色窗口的问题，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
    2019-06-06
  • 为什么说python更适合树莓派编程

    为什么说python更适合树莓派编程

    在本篇文章里小编给大家整理的是关于为什么说python更适合树莓派编程的相关文章，需要的朋友们可以参考学习下。
    2020-07-07
  • 基于Python实现股票数据分析的可视化

    基于Python实现股票数据分析的可视化

    在购买股票的时候，可以使用历史数据来对当前的股票的走势进行预测，这就需要对股票的数据进行获取并且进行一定的分析。本文将介绍如何通过Python实现股票数据分析的可视化，需要的可以参考一下
    2021-12-12

最新评论