pandas DataFrameの前の値でNaNを置き換える方法は？

いくつかNaNのs を持つDataFrameがあるとします。

>>> import pandas as pd
>>> df = pd.DataFrame([[1, 2, 3], [4, None, None], [None, None, 9]])
>>> df
    0   1   2
0   1   2   3
1   4 NaN NaN
2 NaN NaN   9

私がする必要があるのは、すべてNaNをそのNaN上の同じ列の最初の非値で置き換えることです。最初の行にはが含まれないことが想定されていNaNます。したがって、前の例の結果は次のようになります

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

DataFrame全体を列ごと、要素ごとにループして値を直接設定するだけですが、これを実現する簡単な（最適にはループのない）方法はありますか？

fillnaDataFrame のメソッドを使用して、メソッドをffill（フォワードフィル）として指定できます。

>>> df = pd.DataFrame([[1, 2, 3], [4, None, None], [None, None, 9]])
>>> df.fillna(method='ffill')
   0  1  2
0  1  2  3
1  4  2  3
2  4  2  9

この方法...

最後の有効な観測を次の有効な観測に伝播します

反対の方向に進むには、bfillメソッドもあります。

このメソッドはDataFrameをインプレースで変更しません。返されたDataFrameを変数に再バインドするか、次のように指定する必要がありますinplace=True。

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

受け入れられた答えは完璧です。私は前に記入しなければならないが、グループ内のみである、関連するが少し異なる状況がありました。誰かが同じニーズを持つ場合、fillnaがDataFrameGroupByオブジェクトで機能することを知ってください。

>>> example = pd.DataFrame({'number':[0,1,2,nan,4,nan,6,7,8,9],'name':list('aaabbbcccc')})
>>> example
  name  number
0    a     0.0
1    a     1.0
2    a     2.0
3    b     NaN
4    b     4.0
5    b     NaN
6    c     6.0
7    c     7.0
8    c     8.0
9    c     9.0
>>> example.groupby('name')['number'].fillna(method='ffill') # fill in row 5 but not row 3
0    0.0
1    1.0
2    2.0
3    NaN
4    4.0
5    4.0
6    6.0
7    7.0
8    8.0
9    9.0
Name: number, dtype: float64

あなたは使うことができpandas.DataFrame.fillnaてmethod='ffill'オプション。'ffill''forward fill'の略で、最後の有効な観測を前方に伝播します。代替方法は'bfill'同じように機能しますが、逆方向です。

import pandas as pd

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

print(df)
#   0  1  2
#0  1  2  3
#1  4  2  3
#2  4  2  9

pandas.DataFrame.ffill物事をより簡単にするために、これの直接の同義関数もあります。

このソリューションを試したときに気付いたのは、配列の最初または最後にN / Aがある場合、ffillとbfillがうまく機能しないことです。両方必要です。

In [224]: df = pd.DataFrame([None, 1, 2, 3, None, 4, 5, 6, None])

In [225]: df.ffill()
Out[225]:
     0
0  NaN
1  1.0
...
7  6.0
8  6.0

In [226]: df.bfill()
Out[226]:
     0
0  1.0
1  1.0
...
7  6.0
8  NaN

In [227]: df.bfill().ffill()
Out[227]:
     0
0  1.0
1  1.0
...
7  6.0
8  6.0

ffill 今では独自のメソッドがあります pd.DataFrame.ffill

df.ffill()

     0    1    2
0  1.0  2.0  3.0
1  4.0  2.0  3.0
2  4.0  2.0  9.0

1つの列バージョンのみ

• NANに最後の有効な値を入力します

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

• NANに次の有効な値を入力します

df[column_name].fillna(method='backfill', inplace=True)

ffillメソッドに同意するだけですが、追加の情報の1つは、キーワード引数でフォワードフィルを制限できることですlimit。

>>> import pandas as pd    
>>> df = pd.DataFrame([[1, 2, 3], [None, None, 6], [None, None, 9]])

>>> df
     0    1   2
0  1.0  2.0   3
1  NaN  NaN   6
2  NaN  NaN   9

>>> df[1].fillna(method='ffill', inplace=True)
>>> df
     0    1    2
0  1.0  2.0    3
1  NaN  2.0    6
2  NaN  2.0    9

今とlimitキーワード引数

>>> df[0].fillna(method='ffill', limit=1, inplace=True)

>>> df
     0    1  2
0  1.0  2.0  3
1  1.0  2.0  6
2  NaN  2.0  9

私の場合、さまざまなデバイスからの時系列がありますが、一部のデバイスは、ある期間中に値を送信できませんでした。したがって、すべてのデバイスと期間に対してNA値を作成し、その後、fillnaを実行する必要があります。

df = pd.DataFrame([["device1", 1, 'first val of device1'], ["device2", 2, 'first val of device2'], ["device3", 3, 'first val of device3']])
df.pivot(index=1, columns=0, values=2).fillna(method='ffill').unstack().reset_index(name='value')

結果：

        0   1   value
0   device1     1   first val of device1
1   device1     2   first val of device1
2   device1     3   first val of device1
3   device2     1   None
4   device2     2   first val of device2
5   device2     3   first val of device2
6   device3     1   None
7   device3     2   None
8   device3     3   first val of device3

を使用fillnaして、NaN値を削除または置換できます。

NaN 削除

import pandas as pd

df = pd.DataFrame([[1, 2, 3], [4, None, None], [None, None, 9]])

df.fillna(method='ffill')
     0    1    2
0  1.0  2.0  3.0
1  4.0  2.0  3.0
2  4.0  2.0  9.0

NaN 置換

df.fillna(0) # 0 means What Value you want to replace 
     0    1    2
0  1.0  2.0  3.0
1  4.0  0.0  0.0
2  0.0  0.0  9.0

リファレンスpandas.DataFrame.fillna