Python 一次使用多种fillna策略的groupby（熊猫）

如何按一列进行分组，然后在每个组中对其他列同时应用多个fillna策略？多重含义：

如果是组中的第一个，则替换为零，然后ffill，直到到达第一个数据点

后面的NaN被封了

对于数据点之间的所有NaN，bfill

如果都是NaN，那就别打扰这群人

基本上，我有以下数据帧：

    A    B     C
0   A  NaN   NaN
1   A  NaN   NaN
2   A  1.0  10.0
3   A  NaN   NaN
4   B  NaN   NaN
5   B  2.0  20.0
6   B  NaN  20.0
7   B  NaN   NaN
8   C  NaN   NaN
9   C  NaN   NaN
10  C  NaN   NaN
11  C  NaN  30.0

我希望它变成：

    A    B     C
0   A    0     0
1   A    0     0
2   A  1.0  10.0
3   A  1.0  10.0
4   B    0     0
5   B  2.0  20.0
6   B  2.0  20.0
7   B  2.0  20.0
8   C  NaN     0
9   C  NaN     0
10  C  NaN     0
11  C  NaN  30.0

我尝试使用

df.groupby（'A'）.nth（1）

获取第一个元素，并有条件地继续，但是

groupby

创建的新索引不是原始索引（即0,4,8），无论我是否通过

.reset\u index（）

选项

数据帧的代码：

df=pd.DataFrame（{'A'：[“A”，“A”，“A”，
“B”、“B”、“B”、“B”、“C”、“C”、“C”、“C”]，
“B”：[np.nan，np.nan，1，np.nan，
np.nan，2，np.nan，np.nan，
np.nan，np.nan，np.nan，np.nan]，
C:[np.nan，np.nan，10，np.nan，
np.nan，20，20，np.nan，
np.nan，np.nan，np.nan，30]}）

一个可能的想法是在

A上使用

，然后使用自定义变压器功能：

def fx(s):
    if s.isna().all():
        return s
    elif pd.isna(s.iloc[0]):
        s.iloc[0] = 0
        s = s.ffill().bfill()
    return s

df[['B', 'C']] = df.groupby('A')[['B', 'C']].transform(fx)

---

---

我已经不理解第一个条件“如果组中第一个，则替换为零，然后ffill，直到到达第一个数据点”。如果NaN被零取代，那没什么好抱怨的。可能有点不清楚，是真的。我指的是启动组的NaN组的

fillna（0）

。你能用索引4解释一下第行的输出吗？这是一个打字错误，应该是

0

，我会把它编辑掉。

# print(df)
    A    B     C
0   A  0.0   0.0
1   A  0.0   0.0
2   A  1.0  10.0
3   A  1.0  10.0
4   B  0.0   0.0
5   B  2.0  20.0
6   B  2.0  20.0
7   B  2.0  20.0
8   C  NaN   0.0
9   C  NaN   0.0
10  C  NaN   0.0
11  C  NaN  30.0