用列中的现有值填充数据框的稀疏行答案

【问题标题】：Fill sparse row of a dataframe with the existing values in the column用列中的现有值填充数据框的稀疏行
【发布时间】：2022-08-03 00:28:25
【问题描述】：

我有以下类型的数据框：

CurrentDf = pd.DataFrame(np.array([[0, 0, 0, 0, 1, 0], [0, 1, 0, 0, 0, 1], [1, 0, 2, 0, 2, 0], [0, 0, 1, 0, 2, 0], [2, 1, 0, 3, 0, 0], [0, 0, 2, 0, 5, 0]]),
                   columns=[\'1\', \'2\', \'3\', \'4\', \'5\', \'6\'])

   1  2  3  4  5  6
0  0  0  0  0  1  0
1  0  1  0  0  0  1
2  1  0  2  0  2  0
3  0  0  1  0  2  0
4  2  1  0  3  0  0
5  0  0  2  0  5  0

我想把它改成这个

DesiredDf = pd.DataFrame(np.array([[0, 0, 0, 0, 1, 1], [0, 1, 1, 1, 1, 1], [1, 1, 2, 2, 2, 2], [0, 0, 1, 1, 2, 2], [2, 1, 1, 3, 3, 3], [0, 0, 2, 2, 5, 5]]),
                   columns=[\'1\', \'2\', \'3\', \'4\', \'5\', \'6\'])

   1  2  3  4  5  6
0  0  0  0  0  1  1
1  0  1  1  1  1  1
2  1  1  2  2  2  2
3  0  0  1  1  2  2
4  2  1  1  3  3  3
5  0  0  2  2  5  5

对于每一行，如果下一列为零，则下一列取上一列的值。

标签： python pandas dataframe sparse-matrix fill

【解决方案1】：

NaNs 比 0 更容易使用：

df = df.replace(0, np.nan)
df = df.ffill(axis=1).fillna(0).astype(int)
print(df)

输出：

   1  2  3  4  5  6
0  0  0  0  0  1  1
1  0  1  1  1  1  1
2  1  1  2  2  2  2
3  0  0  1  1  2  2
4  2  1  1  3  3  3
5  0  0  2  2  5  5

【讨论】：