跳转至

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

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。

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。



回到顶部