关于特定列的逐行填充？

Question

我有以下 pandas 数据框，我想用 D 列中的值以逐行方式填充 A-C 列中的 NaN。是否有明确的方法来执行此操作，我可以定义所有 NaN 应该依赖D列中的值按行排列？我找不到在 fillna() 中明确执行此操作的方法。

请注意，还有其他列 E-Z，它们有自己的 NaN，并且可能有其他填充 NaN 的规则，应该保持不变。

A        B        C        D       E
158      158      158      177     ...  
158      158      158      177     ...
NaN      NaN      NaN      177     ...   
158      158      158      177     ...
NaN      NaN      NaN      177     ...  

希望仅对 A-C 列使用此功能：

A        B        C        D       E
158      158      158      177     ...  
158      158      158      177     ...
177      177      177      177     ...   
158      158      158      177     ...
177      177      177      177     ...  

谢谢。

Answer 1

使用fillna函数：

df.fillna(axis=1, method='backfill')

如果其他列中没有 NaN 则可以。
如果有并且您想让它们保持不变，我认为这种方式的唯一选择是在数据框的子集上执行fillna。使用示例数据框：

In [45]: df
Out[45]: 
     A    B    C    D   E   F
0  158  158  158  177   1  10
1  158  158  158  177   2  20
2  NaN  NaN  NaN  177   3  30
3  158  158  158  177 NaN  40
4  NaN  NaN  NaN  177   5  50

In [48]: df[['A', 'B', 'C', 'D']] = df[['A', 'B', 'C', 'D']].fillna(axis=1, method='backfill')

In [49]: df
Out[49]: 
     A    B    C    D   E   F
0  158  158  158  177   1  10
1  158  158  158  177   2  20
2  177  177  177  177   3  30
3  158  158  158  177 NaN  40
4  177  177  177  177   5  50

---

Udate：如果您不想依赖列顺序，您还可以指定用于填充每一行的值（如.fillna(value=df['D']）。唯一的问题是这只适用于系列（当它是一个数据框时，它会尝试将不同的值映射到不同的列，而不是行）。因此，通过逐列申请，它可以工作：

In [60]: df[['A', 'B', 'C']].apply(lambda x: x.fillna(value=df['D']))
Out[60]: 
     A    B    C
0  158  158  158
1  158  158  158
2  177  177  177
3  158  158  158
4  177  177  177

Answer 2

你也可以使用下面的代码

cols = ['A', 'B', 'C', 'D']
df.loc[:,cols] = df.loc[:,cols].bfill()