Python 在数据帧中填充NaN的快速方法

我有

DataFrame

对象

df

，列如下：

[In]: df
[Out]:
                 id            sum
0                 1            NaN
1                 1            NaN
2                 1              2
3                 1            NaN
4                 1              4
5                 1            NaN
6                 2            NaN
7                 2            NaN
8                 2              3
9                 2            NaN
10                2              8
10                2            NaN
...             ...            ...
[1810601 rows x 2 columns]

[In]: df
[Out]:
                 id            sum
0                 1              0
1                 1              0
2                 1              2
3                 1              2
4                 1              4
5                 1              4
6                 2              0
7                 2              0
8                 2              3
9                 2              3
10                2              8
10                2              8
...             ...            ...
[1810601 rows x 2 columns]

我的列中有很多a

NaN

值，我想用以下方式填充这些值：

• 如果

  NaN

  在开头（对于第一个

  index

  per

  id

  等于

  0

  ），那么它应该是

  0

• 否则，如果

  NaN

  我想从相同

  id的上一个索引中获取值

输出应如下所示：

[In]: df
[Out]:
                 id            sum
0                 1            NaN
1                 1            NaN
2                 1              2
3                 1            NaN
4                 1              4
5                 1            NaN
6                 2            NaN
7                 2            NaN
8                 2              3
9                 2            NaN
10                2              8
10                2            NaN
...             ...            ...
[1810601 rows x 2 columns]

[In]: df
[Out]:
                 id            sum
0                 1              0
1                 1              0
2                 1              2
3                 1              2
4                 1              4
5                 1              4
6                 2              0
7                 2              0
8                 2              3
9                 2              3
10                2              8
10                2              8
...             ...            ...
[1810601 rows x 2 columns]

---

我尝试使用带有

iterrows（）

的循环“一步一步”地完成它，但这是一种非常无效的方法。我相信使用pandas方法可以更快地完成此任务

尝试groupby建议的ffill

df['sum'] = df.groupby('id')['sum'].ffill().fillna(0)

---

按照groupby的建议尝试使用ffill

df['sum'] = df.groupby('id')['sum'].ffill().fillna(0)

---

熊猫有这样的功能！看一看熊猫.DataFrame.fillna。但是对于那个特定的条件，我如何使用熊猫.DataFrame.fillna？@Justin

fillna

将不支持条件填充熊猫有一个功能！请看一下熊猫.DataFrame.fillna。但是如何使用熊猫.DataFrame.fillna来满足特定条件？@Justin

fillna

将不支持条件填充