用n

本文介绍了用n-1替换缺失值的处理方法，对大家解决问题具有一定的参考价值，需要的朋友们下面随着小编来一起学习吧！ 问题描述

例如:我有

df = pd.DataFrame({0: [420, np.nan, 455, np.nan, np.nan, np.nan]}) df 0 0 420.0 1 NaN 2 455.0 3 NaN 4 NaN 5 NaN

然后使用:

df[0].isnull().astype(int) 0 0 1 1 2 0 3 1 4 1 5 1 Name: 0, dtype: int64

我知道

df[0].fillna(method='ffill') - df[0].isnull().astype(int) 0 420.0 1 419.0 2 455.0 3 454.0 4 454.0 5 454.0 Name: 0, dtype: float64

我想要得到0,1,0,1,2,3，然后最后:

I am looking for to get 0,1,0,1,2,3, then in the end :

df [0] = 420、419、455； 454,453，452

df[0]= 420, 419, 455; 454,453, 452

推荐答案

groupby，cumcount

df[0].ffill() - df.groupby(df[0].notna().cumsum()).cumcount() 0 420.0 1 419.0 2 455.0 3 454.0 4 453.0 5 452.0 dtype: float64

详细信息 定义组

Details Define groups

df[0].notna().cumsum() 0 1 1 1 2 2 3 2 4 2 5 2 Name: 0, dtype: int64

与cumcount一起在groupby中使用

Use in groupby with cumcount

df.groupby(df[0].notna().cumsum()).cumcount() 0 0 1 1 2 0 3 1 4 2 5 3 dtype: int64