如何用 Pandas 组中的有效值替换 NaN答案

【问题标题】：How to replace NaNs with valid value from within Pandas group如何用 Pandas 组中的有效值替换 NaN
【发布时间】：2017-04-05 17:53:19
【问题描述】：

我想用同一组中的非 NaN 值替换 Pandas DataFrame 列中的 NaN。在我的情况下，这些是地理坐标，由于某种原因，某些数据点查找失败。例如：

df.groupby('place')

看起来像

place| lat | lng
-----------------
foo  | NaN | NaN
foo  | 1   | 4
foo  | 1   | 4
foo  | NaN | NaN
bar  | 5   | 7
bar  | 5   | 7
bar  | NaN | NaN
bar  | NaN | NaN
bar  | 5   | 7

==> 我想要的：

foo  | 1   | 4
foo  | 1   | 4
foo  | 1   | 4
foo  | 1   | 4
bar  | 5   | 7
bar  | 5   | 7
bar  | 5   | 7
bar  | 5   | 7
bar  | 5   | 7

在我的情况下，同一“地点”分组中的 lat/lng 值是恒定的，因此选择任何非 NaN 值都可以。我也很好奇我怎么能用例如填充。平均数/多数数。

【问题讨论】：

Pandas: filling missing values by mean in each group的可能重复

标签： python pandas

【解决方案1】：

将 groupby 与 ffill 和 bfill 一起使用

df[['lat', 'lng']]=df.groupby('place').ffill().bfill()

df:

    place   lat lng
0   foo 1   4
1   foo 1   4
2   foo 1   4
3   foo 1   4
4   bar 5   7
5   bar 5   7
6   bar 5   7
7   bar 5   7
8   bar 5   7

【讨论】：

谢谢，df[['lat', 'lng']]=df[['place','lat', 'lng']].groupby('place').ffill().bfill() 帮了我的忙。

【解决方案2】：

如果您在给定组中具有相同的值，则以下方法应该有效：

df = df.fillna(method = 'ffill').fillna(method = 'bfill')

【讨论】：

【解决方案3】：

用每组中的第一个有效值填充nan

df.fillna(df.groupby('place').transform('first'))

  place  lat  lng
0   foo  1.0  4.0
1   foo  1.0  4.0
2   foo  1.0  4.0
3   foo  1.0  4.0
4   bar  5.0  7.0
5   bar  5.0  7.0
6   bar  5.0  7.0
7   bar  5.0  7.0
8   bar  5.0  7.0

【讨论】：