Python 用前一行的平均值填充空值

以下是我的示例数据：

date,number
2018-06-24,13
2018-06-25,4
2018-06-26,5
2018-06-27,1
2017-06-24,3
2017-06-25,5
2017-06-26,2
2017-06-27,null
2016-06-24,3
2016-06-25,5
2016-06-26,2
2016-06-27,7
2015-06-24,8
2015-06-25,9
2015-06-26,12
2015-06-27,13

我需要用上一年数据的平均值填充空值。 也就是说，如果

'2017-06-27'

为空值，我需要用

“2016-06-27”

和

'2015-06-27'

数据的平均值填充它

输出

date,number
2018-06-24,13
2018-06-25,4
2018-06-26,5
2018-06-27,1
2017-06-24,3
2017-06-25,5
2017-06-26,2
2017-06-27,10
2016-06-24,3
2016-06-25,5
2016-06-26,2
2016-06-27,7
2015-06-24,8
2015-06-25,95
2015-06-26,12
2015-06-27,13

我使用了下面的代码，但它给出了一个特定分区中所有内容的平均值

提取的日期和月份列

wingrp = Window.partitionBy('datee','month')
df = df.withColumn("TCount",avg(df["Count"]).over(wingrp))

---

您的解决方案是朝着正确方向迈出的一步（即使您没有显示已添加的列）。您需要在窗口中按月份和月份的日期进行分区，按日期列对结果窗口进行排序（基本上是按年份），然后将窗口限制为前面的所有行。像这样：

从pyspark.sql.functions导入*
从pyspark.sql.types导入*
从pyspark.sql.window导入窗口
schema=StructType([
StructField（“日期”，DateType（），True），
StructField（“number”，IntegerType（），True）
])
df=spark.read.csv（“your_data.csv”，
header=True，
schema=schema）
风=（窗户）
.partitionBy（月（日），月（日））
.orderBy（“日期”）
.rowsBetween（Window.unbounddpreceiding，Window.currentRow）
)
结果=（df
.withColumn（“结果”，
联合（测向数，平均（测向数）。超过（风）））
)

嘿，阿苏，你能告诉我们你试过什么吗？现在，你的问题给人的印象是，你只是希望这里的人会为你编写代码。你看过窗口功能了吗？更新了任务，请看一看