熊猫缺失值：用最接近的非 NaN 值填充答案

【问题标题】：Pandas missing values : fill with the closest non NaN value熊猫缺失值：用最接近的非 NaN 值填充
【发布时间】：2017-06-27 14:27:35
【问题描述】：

假设我有一个带有多个连续 NaN 的 pandas 系列。我知道fillna 有几种填充缺失值的方法（backfill 和fill forward），但我想用最接近的非 NaN 值填充它们。这是我所拥有的示例：

s = pd.Series([0, 1, np.nan, np.nan, np.nan, np.nan, 3])

还有一个我想要的例子：

s = pd.Series([0, 1, 1, 1, 3, 3, 3])

有人知道我能做到吗？

谢谢！

【问题讨论】：

我很困惑你是如何得到 2s 的 - 如果你想要最接近的非 NAN 值，那不是 1s 吗？
该系列是否仅包含一个具有连续 NaN 的部分，还是可能有多个部分（例如 [0, 1, np.nan, np.nan, 2, np.nan, np.nan, 3]）？
@a_guest 可以包含多个部分

标签： python pandas time-series nan fillna

【解决方案1】：

您可以将Series.interpolate 与method='nearest' 一起使用：

In [11]: s = pd.Series([0, 1, np.nan, np.nan, np.nan, np.nan, 3])

In [12]: s.interpolate(method='nearest')
Out[12]: 
0    0.0
1    1.0
2    1.0
3    1.0
4    3.0
5    3.0
6    3.0
dtype: float64

In [13]: s = pd.Series([0, 1, np.nan, np.nan, 2, np.nan, np.nan, 3])

In [14]: s.interpolate(method='nearest')
Out[14]: 
0    0.0
1    1.0
2    1.0
3    2.0
4    2.0
5    2.0
6    3.0
7    3.0
dtype: float64

【讨论】：