Python 使用最接近缺失值日期的值填充缺失值

我知道如何使用带有ffill或bfill的groupby方法来插补缺少的值。但我这里的问题是，我需要首先在“日期”列中找到与“分数”列中的空值最近的日期，如果分数列中的值不是空的，则使用该值对其进行插补。如果该值为空，我需要搜索另一个最近的日期。我可以遍历行并执行它，但速度非常慢

这是数据的一个示例：

df = pd.DataFrame(
     {'cn': [1, 1, 1, 1, 2, 2, 2], 
      'date': ['01/10/2017', '02/09/2016', '02/10/2016','01/20/2017', '05/15/2019', '02/10/2016', '02/10/2017'],
      'score': [np.nan, np.nan, 6, 5, 4, np.nan, 8]})

    cn  date    score
0   1   01/10/2017  NaN
1   1   02/09/2016  NaN
2   1   02/10/2016  6
3   1   01/20/2017  5
4   2   05/15/2019  4
5   2   02/10/2016  NaN
6   2   02/10/2017  8.0

输出应该是

    cn  date    score
0   1   01/10/2017  5
1   1   02/09/2016  6
2   1   02/10/2016  6
3   1   01/20/2017  5
4   2   05/15/2017  4
5   2   02/10/2016  8
6   2   02/10/2018  8

---

我如何使用groupby方法和apply函数来实现它

使用

pd.merge\u asof

获得最接近匹配的序列，然后只使用

.fillna

。有一些操作，以确保事情最终在索引上对齐

import pandas as pd

df['date'] = pd.to_datetime(df.date) 

s = (pd.merge_asof(
         df.sort_values('date').reset_index(),            # Full Data Frame
         df.sort_values('date').dropna(subset=['score']), # Subset with valid scores
         by='cn',                                         # Only within `'cn'` group
         on='date', direction='nearest'                   # Match closest date 
                  )
       .set_index('index')
       .score_y)

df['score'] = df.score.fillna(s, downcast='infer')

输出：

df

---

@阿洛伊兹，谢谢你的时间。（subset=['score']）表示您根据分数对数据进行分组？@Mary否，这里没有分组。它是整个数据帧与自身子集的合并，其中score不为null。

by='cn'

确保合并只发生在

'cn'

的相同值内，如果根据“最近”日期匹配，则合并发生在每个组内。因为我们从用于合并的右侧数据框中删除了空值，所以结果是与“cn”相同且分数不丢失的最近日期相匹配。@ALoIIz，再次感谢。为了确保这一点，我必须使用“cn”列对数据进行分组。一组中“分数”列中的值不能转移到另一组。您的代码没有这样做，是吗？@Mary是的，这由

by

参数负责。合并确保了第一次的精确匹配（因此本质上这是在“cn”组中）。然后，一旦完成了精确匹配，它将根据

on

条件查找最接近的匹配项。你可以在ALoIIz看到比你更多的例子。成功了。你能告诉我什么是“分数”吗？

   cn       date  score
0   1 2017-01-10      5
1   1 2016-02-09      6
2   1 2016-02-10      6
3   1 2017-01-20      5
4   2 2019-05-15      4
5   2 2016-02-10      8
6   2 2017-02-10      8