Pandas Füllen NaN mit Spaltenwerte

Question

Angesichts der folgenden Datenrahmen:

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 

Wenn ich den NaN Wert in Spalte A mit dem Wert ersetzt werden soll, die in dieser Spalte wiederholt (1) und das gleiche für Spalte B, welche Art von fillna() muss ich verwenden?

A  B 
0 1.0  2.2 
1 1.0  NaN 
2 NaN  2.2 

der Suche nach einer generischen Lösung, wie ich wirklich Tausende von Zeilen haben. Vielen Dank im Voraus!

Answer 1

Warum nicht einfach:

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 

Answer 2

fillna kann Wörterbuch der Werte nehmen, wo der Schlüssel der Spaltenname ist.

Angenommen, Sie die Spalten mit dem Wert gefüllt werden soll, die am meisten wiederholt wird, können Sie das Wörterbuch berechnen mit:

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 

Answer 3

import itertools 
import operator 

def most_common(L): 
    # get an iterable of (item, iterable) pairs 
    SL = sorted((x, i) for i, x in enumerate(L)) 
    # print 'SL:', SL 
    groups = itertools.groupby(SL, key=operator.itemgetter(0)) 
    # auxiliary function to get "quality" for an item 
    def _auxfun(g): 
    item, iterable = g 
    count = 0 
    min_index = len(L) 
    for _, where in iterable: 
     count += 1 
     min_index = min(min_index, where) 
    # print 'item %r, count %r, minind %r' % (item, count, min_index) 
    return count, -min_index 
    # pick the highest-count/earliest item 
    return max(groups, key=_auxfun)[0] 

und fügen Sie dann nur

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