Python 3.x 如何用条件填充pandas中的空单元格值

我的示例数据集如下所示。到2020年的实际数据可用

    Item  Year    Amount  final_sales
    A1    2016    123     400
    A2    2016    23      40
    A3    2016    6       
    A4    2016    10      100
    A5    2016    5       200
    A1    2017    123     400
    A2    2017    23      
    A3    2017    6       
    A4    2017    10      
    A5    2017    5       200

如果2017年数据不可用，我必须从2016年开始推断每个项目2017年（及以后年份）

最终销售额

列数据。
在上述数据集中，2017年A2和A4的最终销售额不可用，但2016年可用。如果相应年份的最终销售额不可用，如何引入2016年数据（最终销售额）值

预期结果如下。谢谢

    Item  Year    Amount  final_sales
    A1    2016    123     400
    A2    2016    23      40
    A3    2016    6       
    A4    2016    10      100
    A5    2016    5       200
    A1    2017    123     400
    A2    2017    23      40
    A3    2017    6       
    A4    2017    10      100
    A5    2017    5       200

---

看起来您希望在缺少数据的地方进行填充

您可以使用“fillna”完成此操作，它在pd.DataFrame对象上可用

在您的情况下，您只希望为每个项目进行正向填充，因此首先按项目分组，然后使用fillna。“pad”方法只是按顺序进行（因此我们首先排序）

请注意，在您的示例数据中，2016年也缺少A3，因此没有任何可结转的内容，2017年仍然缺少A3。

对于我的工作，只需要排序

年

列，如有疑问的样本数据：

#if necessary sorting by both columns
df = df.sort_values(['Year', 'Item'])
df['final_sales'] = df.groupby('Item')['final_sales'].ffill()
print (df)
  Item  Year  Amount  final_sales
0   A1  2016     123        400.0
1   A2  2016      23         40.0
2   A3  2016       6          NaN
3   A4  2016      10        100.0
4   A5  2016       5        200.0
5   A1  2017     123        400.0
6   A2  2017      23         40.0
7   A3  2017       6          NaN
8   A4  2017      10        100.0
9   A5  2017       5        200.0

像这样的

    def fill_final(x):
        if x['year'] != 2016:
            return df[(df['year'] == 2016) & (df['Item'] == x['Item'])]['final_sales']
        else: return x['final_sales']
    df['final_sales'] = df.apply(lambda x: fill_final(x), axis = 1)

---

未对此进行测试，但应使您走上正确的道路

谢谢。是的，如果2016年A3缺失，则不会结转。我将尝试使用您的pandas版本，您可能需要使用sort_值而不是sortBrilliant想法。谢谢我不这么想：）是的，我必须使用

sort_值

猜测排序是必需的，因为项目列表是随机的，不像上面的例子。@Lilly-hmm，然后使用

df=df.sort_值（['Year'，'Item']）

如果您按'Item'分组，则无需按'Item'排序@tim654321-hmmm，可能会错过

    def fill_final(x):
        if x['year'] != 2016:
            return df[(df['year'] == 2016) & (df['Item'] == x['Item'])]['final_sales']
        else: return x['final_sales']
    df['final_sales'] = df.apply(lambda x: fill_final(x), axis = 1)