Python 熊猫中不同列的不同填充方法

我正在以标准方式重新为数据帧编制索引，即

df.reindex(newIndex,method='ffill')

但我意识到我需要在每列的基础上以不同的方式处理丢失的数据。也就是说，对于某些列，我希望填充，但对于其他列，我希望缺少记录为NAs的值

为了简单起见，假设我有一列X，我想填充它，还有一列Y，我想填充NA。如何调用.reindex来完成此操作

您可以先调用

reindex（）

，然后调用

ffill（）

以获取列：

import pandas as pd
df = pd.DataFrame({"A":[10, 20, 30], "B":[100, 200, 300], 
                   "C":[100, 200, 300]}, index=[2, 6, 8])
df2 = df.reindex([2,4,6,8,10])

for col in ["A", "B"]:
    df2[col].ffill(inplace=True)
print df2

输出：

    A    B    C
2   10  100  100
4   10  100  NaN
6   20  200  200
8   30  300  300
10  30  300  NaN

---

你不能叫它两次吗？使用

columns=[Y]

argument和

columns=[X]

argument？@jaor你的意思是做两个单独的索引，然后合并两个结果数据帧？我猜。参数

列

仅影响指定的列。我想都在这里了，

reindex

，然后根据需要对各个列进行

fillna