Python | Pandas data frame.bfill()
原文:https://www.geesforgeks.org/python-pandas-data frame-bfill/
Python 是进行数据分析的优秀语言，主要是因为以数据为中心的 python 包的奇妙生态系统。 【熊猫】 就是其中一个包，让导入和分析数据变得容易多了。
Pandas **dataframe.bfill()**用于向后填充数据集中缺失的值。它将向后填充熊猫数据框中的NaN值。
语法: DataFrame.bfill(轴=无，在位=假，限制=无，向下转换=无)
参数: 轴:【行】或【列】 在位:布尔值，默认为假 限制:整数值，要填充的连续
na单元格的数量。
示例#1: 使用bfill()函数跨行填充数据框中缺失的值na值。
# importing pandas as pd
import pandas as pd
# Creating a dataframe with "na" values.
df = pd.DataFrame({"A":[None, 1, 2, 3, None, None],
"B":[11, 5, None, None, None, 8],
"C":[None, 5, 10, 11, None, 8]})
# Printing the dataframe
df
当axis='rows'时，则当前na单元格中的值从下一行的相应值开始填充。如果下一行也是na值，那么它不会被填充。
# Fill across the row
df.bfill(axis ='rows')
输出:
示例 2: 使用bfill()函数跨列填充数据框中缺失的值na值。
当axis='columns'时，当前na单元格将从同一行下一列的值开始填充。如果下一列也是na单元格，则不会被填充。
# importing pandas as pd
import pandas as pd
# Creating a dataframe with "na" values.
df = pd.DataFrame({"A":[None, 1, 2, 3, None, None],
"B":[11, 5, None, None, None, 8],
"C":[None, 5, 10, 11, None, 8]})
# bfill values using values from next column
df.bfill(axis ='columns')
输出:
注意第四行。所有的值都是na，因为最右边的单元格最初是na，并且它的右边没有可以填充自己的单元格。因此，它也不能填充先前的na细胞。
