Python Pandas dataframe.ffill()用法及代码示例

Python是进行数据分析的一种出色语言，主要是因为以数据为中心的python软件包具有奇妙的生态系统。 Pandas是其中的一种，使导入和分析数据更加容易。

Pandas dataframe.ffill()函数用于填充 DataFrame 中的缺失值。 “填充”代表“向前填充”，并将向前传播最后一个有效观察值。

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

参数：
axis:{0，索引1，栏}
inplace:如果为True，则填写。注意：这将修改此对象的任何其他视图(例如，DataFrame中列的no-copy切片)。
limit:如果指定了method，则这是要向前/向后填充的连续NaN值的最大数量。换句话说，如果存在连续的NaN数量大于此数量的缺口，它将仅被部分填充。如果未指定method，则这是将填写NaN的整个轴上的最大条目数。如果不为None，则必须大于0。
Downcast:item-> dtype决定是否向下转换的内容，或字符串“ infer”将尝试向下转换为适当的相等类型(例如，如果可能，将float64转换为int64)

返回：fill：DataFrame

范例1：采用ffill()函数沿索引轴填充缺失值。
注意：什么时候ffill()在索引上应用，然后根据上一行中的相应值填充所有缺失值。

# importing pandas as pd 
import pandas as pd 
  
# Creating the dataframe  
df=pd.DataFrame({"A":[5,3,None,4], 
                 "B":[None,2,4,3], 
                 "C":[4,3,8,5], 
                 "D":[5,4,2,None]}) 
  
# Print the dataframe 
df

让我们在索引轴上填充缺失值

# applying ffill() method to fill the missing values 
df.ffill(axis = 0)

输出：

请注意，第一行中的值仍然NaN值，因为它上方没有行可以传播非NA值。

范例2：采用ffill()函数沿列轴填充缺失值。
注意：当在列轴上应用填充时，缺少的值将由同一行中前一列中的值填充。

# importing pandas as pd 
import pandas as pd 
  
# Creating the dataframe  
df=pd.DataFrame({"A":[5,3,None,4], 
                 "B":[None,2,4,3], 
                 "C":[4,3,8,5], 
                 "D":[5,4,2,None]}) 
  
# Print the dataframe 
df

让我们在列轴上填充缺失值

# applying ffill() method to fill the missing values 
df.ffill(axis = 1)

输出：

请注意，第一栏中的vlaues是NaN值，因为没有剩余单元格，因此无法使用沿列轴的先前单元格值来填充此单元格。

相关用法

注：本文由纯净天空筛选整理自Shubham__Ranjan大神的英文原创作品 Python | Pandas dataframe.ffill()。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。