python中的ffill作为链式方法和作为参数有什么区别？

假设我们正试图通过如下列表对数据帧重新编制索引：

dataframe.reindex(list)

其中确切的数据帧和列表并不重要

现在，如果列表大于原始索引，则会出现一些NaN。我的问题是，如果我想通过正向填充来填充NAN，以下两种方法的区别是什么：

dataframe.reindex(list, method='ffill')

dataframe.reindex(list).ffill()

我试了几次，发现结果不一样

假设我们有数据帧：

Jan   1  
Apr   2  
Jul   3  
Oct   4  

列表是：
列表=['1月'、'2月'、'3月'、'4月'、'5月'、'6月'、'7月'、'8月'、'9月'、'10月'、'11月'、'12月']

所以

变成：

Jan   1  
Feb   2  
Mar   3  
Apr   2  
May   3  
Jun   3  
Jul   3  
Aug   2  
Sep   4  
Oct   4  
Nov   3  
Dec   2  

Jan   1  
Feb   1  
Mar   1  
Apr   2  
May   2  
Jun   2  
Jul   3  
Aug   3  
Sep   3  
Oct   4  
Nov   4  
Dec   4 

鉴于

dataframe.reindex(list).ffill()

变成：

Jan   1  
Feb   2  
Mar   3  
Apr   2  
May   3  
Jun   3  
Jul   3  
Aug   2  
Sep   4  
Oct   4  
Nov   3  
Dec   2  

Jan   1  
Feb   1  
Mar   1  
Apr   2  
May   2  
Jun   2  
Jul   3  
Aug   3  
Sep   3  
Oct   4  
Nov   4  
Dec   4 

我想不出这两种方式有什么不同？第一种方法会产生什么，第二种方法会产生什么

我试图查找文档和其他来源，但找不到解释。非常感谢。编辑：

版本0.24.1中出现错误：

print (dataframe)
     Col
Jan    1
Apr    2
Jul    3
Oct    4

print (dataframe.index.is_monotonic_increasing)
False

L = ['Jan', 'Feb', 'Mar', 'Apr', 'May', 'Jun', 'Jul', 'Aug', 'Sep', 'Oct', 'Nov', 'Dec']

print (dataframe.reindex(L, method='ffill'))

ValueError:索引必须是单调递增或递减的

在文档中-：

方法：{None，'回填'/'bfill'，pad'/'ffill'，'最近'}
用于填充重新编制索引的数据帧中的孔的方法。请注意：这仅适用于索引单调递增/递减的数据帧/系列

无（默认）：不填充间隙 pad/ffill：将上一个有效观察向前传播到下一个有效观察 回填/填充：使用下一个有效观测值填充间隙 最近的：使用最近的有效观测值来填充间隙

第二个工作很好：

print (dataframe.reindex(L).ffill())
     Col
Jan  1.0
Feb  1.0
Mar  1.0
Apr  2.0
May  2.0
Jun  2.0
Jul  3.0
Aug  3.0
Sep  3.0
Oct  4.0
Nov  4.0
Dec  4.0

---

注意-不要像变量一样使用

list

，因为python保留字（内置）

不同之处在于，如果在

reindex

之前的列中缺少值：

dataframe = pd.DataFrame({'col':[0,2,np.nan,5,np.nan]}, index=[1,3,5,6,8])
print (dataframe)
   col
1  0.0
3  2.0
5  NaN
6  5.0
8  NaN

print (dataframe.index.is_monotonic_increasing)
True

如果使用参数，则只向前填充添加的行，此处为1,4,7行

如果链

ffill

则创建缺少的值，并且序列的所有数据都是正向填充：

L = range(10)
df = pd.concat([dataframe.reindex(L, method='ffill'),
                dataframe.reindex(L),
                dataframe.reindex(L).ffill()], 
                keys=('parameter','only_reindex','chained'), axis=1)
print (df)
  parameter only_reindex chained
        col          col     col
0       NaN          NaN     NaN
1       0.0          0.0     0.0
2       0.0          NaN     0.0
3       2.0          2.0     2.0
4       2.0          NaN     2.0
5       NaN          NaN     2.0
6       5.0          5.0     5.0
7       5.0          NaN     5.0
8       NaN          NaN     5.0
9       NaN          NaN     5.0

---

如果没有缺失值，则结果相同：

dataframe = pd.DataFrame({'col':[0,2,8,5,9]}, index=[1,3,5,6,8])
print (dataframe)
   col
1    0
3    2
5    8
6    5
8    9

print (dataframe.index.is_monotonic_increasing)
True

L = range(10)
df = pd.concat([dataframe.reindex(L, method='ffill'),
                dataframe.reindex(L),
                dataframe.reindex(L).ffill()], 
                keys=('parameter','only_reindex','chained'), axis=1)
print (df)
  parameter only_reindex chained
        col          col     col
0       NaN          NaN     NaN
1       0.0          0.0     0.0
2       0.0          NaN     0.0
3       2.0          2.0     2.0
4       2.0          NaN     2.0
5       8.0          8.0     8.0
6       5.0          5.0     5.0
7       5.0          NaN     5.0
8       9.0          9.0     9.0
9       9.0          NaN     9.0

---

我试了几次，发现结果不一样。

-你能添加一些不同的数据吗？谢谢你的评论，我添加了一些数据@jezrael。你的熊猫版本是什么？在一些较低版本中，

print（dataframe.reindex（L，method='ffill'））

似乎有缺陷。