Python 熊猫用列值填充NaN

给定以下数据帧：

import pandas as pd
import numpy as np
df = pd.DataFrame({'A':[1,1,np.nan],
                   'B':[2.2,np.nan,2.2]})           
df

    A       B
0   1.0     2.2
1   1.0     NaN
2   NaN     2.2

如果我想将A列中的NaN值替换为该列（1）中重复的值，并对B列执行相同的操作，那么我需要使用哪种类型的fillna（）

    A       B
0   1.0     2.2
1   1.0     NaN
2   NaN     2.2

寻找一个通用的解决方案，因为我真的有数千行。

---

提前谢谢

fillna

可以使用值字典，其中键是列名

假设要使用重复次数最多的值填充列，则可以使用以下值计算字典：

df = pd.DataFrame({
    'A': [1, 1, np.nan, 2], 
    'B': [2.2, np.nan, 2.2, 1.9]
})
fill_dict = df.mode().to_dict(orient='records')[0]
df = df.fillna(values=fill_dict)
df

   A    B
0  1  2.2
1  1  2.2
2  1  2.2
3  2  1.9

然后再加上

df['A'].fillna(most_common(df['A'].values.tolist()))

为什么不简单地：

df.fillna(method='ffill')

# df = pd.DataFrame({'A': [1, 1, np.nan, 2], 'B': [2.2, np.nan, 2.2, 1.9]})
# df.fillna(method='ffill')
#   A    B
#0  1  2.2
#1  1  2.2
#2  1  2.2
#3  2  1.9

---

我对您使用itertools实现的

模式

印象深刻。但即使我们暂时忘记熊猫数据帧有自己的

模式

方法，使用numpy的模式函数肯定会更可靠。是的，我同意。。。我只是忘记了模式，所以我做了这个。。。不知道它是否正确！！！！从OP中不清楚填充值应该是上一个值，还是列中最常见的值。嗯，我把它理解为上一个值，但你可能是对的。从我的示例中，这是我一直在寻找的简单答案。但是，如果我想用最常见的值填充，该怎么办？我最终试图填补df.loc和groupby转换过程产生的空白，该过程会留下一些行值空白。我将在一分钟后发布另一个相关问题，更好地总结我要做的事情。首先转置，然后是

ffil

或

bfill

：

df.T.ffill（）.bfill（）.T

df.fillna(method='ffill')

# df = pd.DataFrame({'A': [1, 1, np.nan, 2], 'B': [2.2, np.nan, 2.2, 1.9]})
# df.fillna(method='ffill')
#   A    B
#0  1  2.2
#1  1  2.2
#2  1  2.2
#3  2  1.9