R到Python：与ifelse一起使用Shift

样本数据：

test = structure(list(A = 1:16, B = c(".", NA, NA, NA, ".", NA, NA, 
NA, ".", NA, NA, NA, ".", NA, NA, NA), C = c(6L, NA, NA, NA, 
6L, NA, NA, NA, 6L, NA, NA, NA, 6L, NA, NA, NA), D = c(58, 59, 
0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13), E = c(0.945252, 
0.949158, 0.945252, 0.945252, 0.945252, 0.945252, 0.945252, 0.949158, 
0.949158, 0.949158, 0.949158, 0.945252, 0.945252, 0.945252, 0.945252, 
0.945252), F = c(62.4375, NA, 62.34375, NA, 62.28125, NA, 62.28125, 
NA, 62.25, NA, 62.21875, NA, 62.25, NA, 62.28125, NA)), .Names = c("A", 
"B", "C", "D", "E", "F"), row.names = c(NA, 16L), class = "data.frame")

我在R中有上面的数据框。我想用一些逻辑替换

NA

值

在

R

中，我写道：

test2=test

库（data.table）

这达到了我想要的。然而现在，我所做的一切都从

R

转换为

Python

。除了这个问题，我已经翻译了我所有的作品

我写了同样的内容：

import numpy as np
import pandas as pd

for m in range(0, len(test2.columns)):
    if test2.iloc[:,m].isnull():
        if  test2.iloc[:,m].shift(periods=1).notnull():
            test2.iloc[:,m] = test2.iloc[:,m].shift(periods=1)
        else:
            if test2.iloc[:,m].shift(periods=2).notnull():
                 test2.iloc[:,m] = test2.iloc[:,m].shift(periods=2)
            else:
                if test2.iloc[:,m].shift(periods=3).notnull():
                     test2.iloc[:,m] = test2.iloc[:,m].shift(periods=3)
                else:
                    if test2.iloc[:,m].shift(periods=4).notnull():
                         test2.iloc[:,m] = test2.iloc[:,m].shift(periods=4)
                    else:
                         test2.iloc[:,m] = test2.iloc[:,m].shift(periods=5)

我意识到这在

Python

中不起作用，甚至没有意义，因为在

R

中，当您将

ifelse

与

shift

一起使用时，它会将逻辑应用于每一行，而在

Python

中，我想问的是序列是

True

还是

False

。对于速度，我真的不想在整个数据帧中循环，这就是为什么

shift

在

R

中如此出色的原因。我猜在

Python

中使用

If

和

iloc

可能有一种简单的方法来实现这一点，但我是

Python

noob

CSV:

---

事实证明，在python中，这相当容易。一旦您认识到我的问题本质上是一个插补问题，我想使用上一个观察结果，我相信它会变得非常简单：

test2 = test.fillna(method = 'pad')

在

R

中也找到了一种更简单的方法，以备将来使用

library(zoo)
test2 = na.locf(test)

您可以使用，它比调用

fillna

要短一些

test = test.ffill()

它所做的是向前填充所有

NaN

s，每个行中的第一个后续非空值。或者，您可以使用

method='ffill'

调用

fillna

，其作用相同：

test = test.fillna(method='ffill')

---

这与

method='pad'

的作用相同。你的数据集只是触发了我头脑中的蝙蝠侠主题。奥利维亚，我在别处见过的一种跨语言方法是包含CSV文本，以及读取该文本的R和python代码。添加了图片，CSV复制了是的，这是一种方法（但不是最短的方法；-））。应注意，在16 mil行数据帧上，

na.locf

方法遇到内存问题，而my

shift

方法仍然有效

test = test.ffill()

test = test.fillna(method='ffill')