Pandas 中 series.ffill() 方法是如何工作的？

Pandas 中 series.ffill() 方法的工作方式等同于 series.fillna() 方法，其中“method = ffill”，或者我们可以说 series.ffill() 是前向填充方法的同义词。

series.ffill() 方法使用前向填充方法替换给定序列对象中的 Nan 或 NA 值。此方法的参数包括 inplace、axis、limit 和 downcast。

它没有 value 和 method 这样的参数。因为它使用序列元素作为替换值，并使用前向填充方法填充缺失值。

示例 1

在下面的示例中，我们将 ffill() 方法应用于包含对象数据和一些 Nan 值的序列对象，并且默认参数没有更改。

# importing pandas package
import pandas as pd
import numpy as np

# create a series
s = pd.Series(["a", np.nan, np.nan, "b", "c", np.nan, "d", "e"])
print(s)

# replace Missing values
result = s.ffill()
print('Result:')
print(result)

输出

输出如下所示：

0    a
1    NaN
2    NaN
3    b
4    c
5    NaN
6    d
7    e
dtype: object

Result:
0    a
1    a
2    a
3    b
4    c
5    c
6    d
7    e
dtype: object

在上面的输出块中，我们可以注意到序列对象的缺失值已成功更新为上一行的值。

示例 2

以下示例将 inplace 参数指定为 True，以便将修改应用于原始序列对象。

# importing pandas package
import pandas as pd
import numpy as np

# create a series
s = pd.Series([np.nan, np.nan, 27, 61, np.nan, 93, np.nan, 68, 70, np.nan])
print(s)

# replace Missing values
s.ffill(inplace=True)
print('Result:')
print(s)

解释

如果您不更改 inplace 参数的默认值，则它将创建一个新的序列，其中包含更新后的值作为结果，并且此 inplace 参数的默认值为 False。

输出

输出如下所示：

0    NaN
1    NaN
2    27.0
3    61.0
4    NaN
5    93.0
6    NaN
7    68.0
8    70.0
9    NaN
dtype: float64

Result:
0    NaN
1    NaN
2    27.0
3    61.0
4    61.0
5    93.0
6    93.0
7    68.0
8    70.0
9    70.0
dtype: float64

我们可以注意到索引位置 0 和 1 处的 Nan 值保持不变，这是因为没有可用的前一个值来执行前向填充操作。

更新于: 2022-03-07

2K+ 阅读量

开启你的 职业生涯

通过完成课程获得认证

立即开始
广告