当前位置: 首页>>代码示例 >>用法及示例精选 >>正文


Python pyspark Series.backfill用法及代码示例


本文简要介绍 pyspark.pandas.Series.backfill 的用法。

用法:

Series.backfill(axis: Union[int, str, None] = None, inplace: bool = False, limit: Optional[int] = None) → FrameLike

DataFrame.fillna()Series.fillna()method=`bfill` 的同义词。

注意

‘bfill’ 的当前实现使用 Spark 的 Window 而不指定分区规范。这会导致将所有数据移动到单个机器中的单个分区中,并可能导致严重的性能下降。避免对非常大的数据集使用此方法。

参数

axis{0 或 index }

不支持 1 和 columns

inplace布尔值,默认为 False

就地填充(不创建新对象)

limit整数,默认无

如果指定了方法,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 NaN 数量超过此数量的间隙,则只会部分填充。如果未指定方法,则这是沿整个轴填充 NaNs 的最大条目数。如果不是 None 则必须大于 0

返回

DataFrame 或系列

DataFrame 或填充了 NA 条目的系列。

例子

>>> psdf = ps.DataFrame({
...     'A': [None, 3, None, None],
...     'B': [2, 4, None, 3],
...     'C': [None, None, None, 1],
...     'D': [0, 1, 5, 4]
...     },
...     columns=['A', 'B', 'C', 'D'])
>>> psdf
     A    B    C  D
0  NaN  2.0  NaN  0
1  3.0  4.0  NaN  1
2  NaN  NaN  NaN  5
3  NaN  3.0  1.0  4

向后传播非空值。

>>> psdf.bfill()
     A    B    C  D
0  3.0  2.0  1.0  0
1  3.0  4.0  1.0  1
2  NaN  3.0  1.0  5
3  NaN  3.0  1.0  4

对于系列

>>> psser = ps.Series([None, None, None, 1])
>>> psser
0    NaN
1    NaN
2    NaN
3    1.0
dtype: float64
>>> psser.bfill()
0    1.0
1    1.0
2    1.0
3    1.0
dtype: float64

相关用法


注:本文由纯净天空筛选整理自spark.apache.org大神的英文原创作品 pyspark.pandas.Series.backfill。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。