Python 基于列的值在DataFrame中填充NaN

我有类似以下简化示例的数据：

Col1    Col2    Col3
a       A       10.1
b       A       NaN
d       B       NaN
e       B       12.3    
f       B       NaN
g       C       14.1
h       C       NaN
i       C       NaN

…数千行。我需要根据Col2中的值填充na，使用类似于ffill方法的方法。我想要的结果是：

Col1    Col2    Col3
a       A       10.1
b       A       10.1
d       B       NaN
e       B       12.3    
f       B       12.3
g       C       14.1
h       C       14.1
i       C       14.1

---

但是，此方法忽略Col2中的值。有什么想法吗？

这就是你想要的吗

import pandas as pd
import numpy as np


df['Col3'] = np.where(df['Col2'] == 'A', df['Col3'].fillna(10.1), df["Col3"])

---

当然可以相应地替换。

您可以为

Col2

的每个元素获取数据帧的切片，然后连接结果

>>> pd.concat((df.loc[df.Col2 == letter, :].ffill() for letter in df.Col2.unique()))

  Col1 Col2  Col3
0    a    A  10.1
1    b    A  10.1
2    d    B   NaN
3    e    B  12.3
4    f    B  12.3
5    g    C  14.1
6    h    C  14.1
7    i    C  14.1

编辑：看来@EdChum提出的方法是目前为止最快的

%timeit pd.concat((df.loc[df.Col2 == letter, :].ffill() for letter in df.Col2.unique()))
100 loops, best of 3: 3.57 ms per loop

%timeit df.groupby('Col2').transform('fillna',method='ffill')['Col3']
100 loops, best of 3: 4.59 ms per loop

%timeit df.groupby('Col2')['Col3'].transform(lambda x: x.ffill())
1000 loops, best of 3: 746 µs per loop

---

我找到的一个答案是：

df['col3'] = df.groupby('Col2').transform('fillna',method='ffill')['col3']

---

有什么想法吗？

如果我理解正确，你可以在“Col2”上分组，然后在“Col3”上调用transform，然后调用

ffill

：

In [35]:

df['Col3'] = df.groupby('Col2')['Col3'].transform(lambda x: x.ffill())
df
Out[35]:
  Col1 Col2  Col3
0    a    A  10.1
1    b    A  10.1
2    d    B   NaN
3    e    B  12.3
4    f    B  12.3
5    g    C  14.1
6    h    C  14.1
7    i    C  14.1

---

看来Col1是完全不相关的，对吗？如果不是，请解释原因。我想你指的是

df.groupby（'Col2'）。transform（'fillna'，method='ffill'）['Col3']

。否则，它似乎有效，但仅适用于连续的组（这是问题或不是问题）。同意，我编辑了解决方案以反映您的评论。谢谢Hi Ed。请注意，第一个B（索引=2）应该是NaN，因为它是“B”的第一个值，不能向前填充。@Alexander这里没有ffill，因为NaN行是dropped@Alexander好吧，我明白你的意思了