题目：填充NaN值 （Python)

给定一个包含三列的DataFrame：client_id、ranking、value

编写一个函数，将value列中的NaN值用相同client_id的前一个非NaN值填充，按升序排列。

如果不存在前一个client_id，则返回前一个值。

输入：

print(clients_df)

client_id	ranking	value
1001	1	1000
1001	2	NaN
1001	3	1200
1002	1	1500
1002	2	1250
1002	3	NaN
1003	1	1100
1003	2	NaN

输出：

client_id	ranking	value
1001	1	1000
1002	1	1500
1003	1	1100
1001	2	1000
1002	2	1250
1003	2	1100
1001	3	1200
1002	3	1250

答案

解题思路

该问题的关键在于确定每个NaN值应该被填充的值。我们需要按照client_id和ranking升序排列DataFrame，并逐行处理NaN值。

答案代码

import pandas as pddef fill_nan(df):df.sort_values(by=['client_id', 'ranking'], inplace=True)  # 按client_id和ranking升序排列df['value'] = df.groupby('client_id')['value'].ffill()  # 使用前一个非NaN值填充NaNreturn df# 示例DataFrame
clients_df = pd.DataFrame({'client_id': [1001, 1001, 1001, 1002, 1002, 1002, 1003, 1003],'ranking': [1, 2, 3, 1, 2, 3, 1, 2],'value': [1000, None, 1200, 1500, 1250, None, 1100, None]
})print(fill_nan(clients_df))

groupby/sort_value/ffill

groupby()

官方文档：
pandas.DataFrame.groupby — pandas 2.2.2 documentation

语法说明：

DataFrame.groupby(by=None, axis=0, level=None, as_index=True,dropna=True)

• by: 指定用于分组的列名或列名列表。
• axis: 指定分组的轴向，默认为 0 表示按行分组。
• level: 如果轴是多层索引的，则指定要在该级别上分组。
• as_index: 指定是否将分组键作为索引，默认为 True。
• dropna: 指定是否将 NaN 值排除在分组之外，默认为 True。

参数axis : 在2.1.0之后的版本被移除。对于 axis=1，使用 frame.T.groupby(...)。

sort_values()

官方文档：pandas.DataFrame.sort_values — pandas 2.2.2 documentation

语法说明：

DataFrame.sort_values(by, axis=0, ascending=True, inplace=False)

• by: 指定用于排序的列名或列名列表。
• axis: 指定排序的轴向，默认为 0 表示按行排序。
• ascending: 指定是否按升序排序，默认为 True。
• inplace: 指定是否在原地排序，默认为 False。

ffill()

官方文档 ：pandas.DataFrame.ffill — pandas 2.2.2 documentation

语法说明：

DataFrame.ffill(axis=None, inplace=False, limit=None)

• axis: 指定填充方向，默认为 None 表示沿着列的方向填充。
• inplace: 指定是否在原地填充，默认为 False。
• limit: 指定填充的最大连续 NaN 值的数量，默认为 None 表示不限制。

ffill 是 “forward fill”，向前填充缺失值，与之相对应的是bfill ，全称是 “backward fill”，意思是向后填充缺失值，即使用后一个非 NaN 值来填充缺失值。

更多详细答案可关注公众号查阅。