Python Pandas dataframe.ffill()用法及代碼示例

Python是進行數據分析的一種出色語言，主要是因為以數據為中心的python軟件包具有奇妙的生態係統。 Pandas是其中的一種，使導入和分析數據更加容易。

Pandas dataframe.ffill()函數用於填充 DataFrame 中的缺失值。 “填充”代表“向前填充”，並將向前傳播最後一個有效觀察值。

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

參數：
axis:{0，索引1，欄}
inplace:如果為True，則填寫。注意：這將修改此對象的任何其他視圖(例如，DataFrame中列的no-copy切片)。
limit:如果指定了method，則這是要向前/向後填充的連續NaN值的最大數量。換句話說，如果存在連續的NaN數量大於此數量的缺口，它將僅被部分填充。如果未指定method，則這是將填寫NaN的整個軸上的最大條目數。如果不為None，則必須大於0。
Downcast:item-> dtype決定是否向下轉換的內容，或字符串“ infer”將嘗試向下轉換為適當的相等類型(例如，如果可能，將float64轉換為int64)

返回：fill：DataFrame

範例1：采用ffill()函數沿索引軸填充缺失值。
注意：什麽時候ffill()在索引上應用，然後根據上一行中的相應值填充所有缺失值。

# 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

讓我們在索引軸上填充缺失值

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

輸出：

請注意，第一行中的值仍然NaN值，因為它上方沒有行可以傳播非NA值。

範例2：采用ffill()函數沿列軸填充缺失值。
注意：當在列軸上應用填充時，缺少的值將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

讓我們在列軸上填充缺失值

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

輸出：

請注意，第一欄中的vlaues是NaN值，因為沒有剩餘單元格，因此無法使用沿列軸的先前單元格值來填充此單元格。

相關用法

注：本文由純淨天空篩選整理自Shubham__Ranjan大神的英文原創作品 Python | Pandas dataframe.ffill()。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。