用上一列中的值填充熊猫数据框中的“无”值

Posted 2023-02-15

【中文标题】用上一列中的值填充熊猫数据框中的“无”值

【英文标题】：Filling up "None" values in pandas dataframe with values from previous column

【发布时间】：2022-01-21 12:45:37

【问题描述】：

我正在调用一个返回 JSON 文件的 API。当我将 JSON 文件解析为 pandas 数据框时，它会返回下表：

Level 1	Level 2	Level 3
Total	Category1	Category 1.2
Total	None	None
Total	Category 2	None
Total	Category 2	Category 2.1
Total	Category 3	None
Total	Category 3	Category 3.1

如您所见，类别分为三个级别。我想用之前列中的值替换列中的“无”值。数据框应如下所示：

Level 1	Level 2	Level 3
Total	Category1	Category 1.2
Total	Total	Total
Total	Category 2	Category 2
Total	Category 2	Category 2.1
Total	Category 3	Category 3
Total	Category 3	Category 3.1

我已经尝试了一些循环和以下代码：

for i in range(len(df.columns)):
   df.iloc[:,i] = np.where(df.iloc[:,i] == "None",df.iloc[:,i+1],df.iloc[:,i])

但这不起作用。我怎样才能做到这一点？

谢谢！

【参考方案1】：

确保您的None 实际上是np.nan，然后您的任务将变得简单，因为沿ffill(axis=1) 列的前向填充将满足您的需求：

df.replace('None',np.nan,inplace=True)
df_f = df.ffill(axis=1)

print(df_f)

  Level 1     Level 2       Level 3
0   Total   Category1  Category 1.2
1   Total       Total         Total
2   Total  Category 2    Category 2
3   Total  Category 2  Category 2.1
4   Total  Category 3    Category 3
5   Total  Category 3  Category 3.1

【参考方案2】：

DataFrame.ffill 适用于 Python None 对象。通过axis=1 跨列填充：

filled = df.ffill(axis=1)

print(filled)
  Level 1     Level 2       Level 3
0   Total   Category1  Category 1.2
1   Total       Total         Total
2   Total  Category 2    Category 2
3   Total  Category 2  Category 2.1
4   Total  Category 3    Category 3
5   Total  Category 3  Category 3.1