Python 如何在pandas中重复两个或多个值后检查数据是否丢失，并用以前的值替换丢失的值？

我试图用以前的值填充缺少的值，但前提是以前的值重复？ 样本DF:

Index Columns
0    1978.0
1    1918.0
2    1918.0
3    1918.0
4       NaN
5       NaN
6       NaN
7    1853.0
8    1831.0
9       NaN

Index Columns
0    1978.0
1    1918.0
2    1918.0
3    1918.0
4    1918.0
5    1918.0
6    1918.0
7    1853.0
8    1831.0
9       NaN

Column_Name  : Columns
Total_NaN_count : 4
NaN_values_with_previous_elements_repeating : 3

对于上述数据帧，将索引4,5,6处的NaN替换为1918.0，并将索引8处的NaN保留为NaN

所需输出1:

Index Columns
0    1978.0
1    1918.0
2    1918.0
3    1918.0
4       NaN
5       NaN
6       NaN
7    1853.0
8    1831.0
9       NaN

Index Columns
0    1978.0
1    1918.0
2    1918.0
3    1918.0
4    1918.0
5    1918.0
6    1918.0
7    1853.0
8    1831.0
9       NaN

Column_Name  : Columns
Total_NaN_count : 4
NaN_values_with_previous_elements_repeating : 3

而且，如果我能从所有的NaN值中得到像这样发生的实例数，那就太好了。 ie；示例DF有4个NaN值，其中3个NaN值是这样出现的

所需输出2:

Index Columns
0    1978.0
1    1918.0
2    1918.0
3    1918.0
4       NaN
5       NaN
6       NaN
7    1853.0
8    1831.0
9       NaN

Index Columns
0    1978.0
1    1918.0
2    1918.0
3    1918.0
4    1918.0
5    1918.0
6    1918.0
7    1853.0
8    1831.0
9       NaN

Column_Name  : Columns
Total_NaN_count : 4
NaN_values_with_previous_elements_repeating : 3

请让我知道是否有任何办法得到这个

---

谢谢

您可以选择带有条件的数据帧，并在该数据帧上单击ffill

cond = df['Columns'].shift(1) == df['Columns'].shift(2)
df.loc[cond] = df.loc[cond].ffill()

    Columns
0   1978.0
1   1918.0
2   1918.0
3   1918.0
4   1918.0
6   1853.0
7   1831.0
8   NaN

更新：这将处理新的测试用例

cond = (df.Columns.shift(1) == df.Columns.shift(2)) | (df.Columns.shift(-2).notnull())
df.loc[:] = df.fillna(df.loc[cond].ffill())

你得到

    Columns
0   1978.0
1   1918.0
2   1918.0
3   1918.0
4   1918.0
5   1918.0
6   1918.0
7   1853.0
8   1831.0
9   NaN

---

为了提高性能和方便起见，这里提供了一种处理底层阵列数据的简单方法-

# Extract array data which being a view lets us modify the original
# dataframe later on just by modifying it
a = df.Columns.values

# Indices of NaN positions that also have repeating values preceding to them
idx = np.flatnonzero(np.r_[False,False,a[1:-1] == a[:-2]] & np.isnan(a))

# Finally assign previous values for all those places
a[idx] = a[idx-1]

---

@jeremycg感谢您的编辑，这是我第一次发布：）类似的内容：

x.Columns[（x.Columns.shift（1）=x.Columns.shift（2））&np.isnan（x.Columns）]=x.Columns.shift（1）

@Vaishali和jeremycg，感谢您的回答，但我想填充下一个NaN值，而不仅仅是一个NaN值。我已经修改了示例数据框和输出数据框，以使其清晰明了（对不起，之前应该问清楚）。@Vaishali但如果只有3个NaN值，它会起作用吗？我希望它能够工作，而不考虑NaN值之间的数量。我尝试了一个df，其中包含3个以上的NaN值，并且缺少几个NaN值。我认为所有的熊猫问题都应该有一个numpy标签。。。只是想看看你身上的魔法@Divakar，谢谢你的回答，但我想填充所有下一个NaN值，而不仅仅是一个NaN值。我已经修改了示例数据框和输出数据框，以使其更清晰（对不起，之前应该问清楚）。