问题
有没有一种方法可以使用groupby用0填充缺失的值,但只能在第一次出现观测值之后?
例如启动
id spiq nopiq spiq pstkq dvy dvpq mibq xidoq miiq
2014 1 NaN NaN NaN 0.0 NaN 0.0 0.0 -0.122 0.000
2015 1 0.01 0.003 0.1 0.10 NaN NaN NaN -1.309 0.000
2016 1 0.04 0.003 NaN 0.10 NaN 0.10 0.10 NaN NaN
2017 1 NaN 0.000 NaN NaN 20 NaN NaN 0.000 NaN
2018 1 0.05 0.000 NaN 0.0 NaN 0.0 0.0 0.000 0.000
2014 2 NaN NaN NaN 0.0 NaN 0.0 0.0 -0.122 0.000
2015 2 0.01 0.003 0.1 0.10 NaN NaN NaN -1.309 0.000
2016 2 0.04 0.003 NaN 0.10 NaN 0.10 0.10 NaN NaN
2017 2 NaN 0.000 NaN NaN 20 NaN NaN 0.000 NaN
2018 2 0.05 0.000 NaN 0.0 NaN 0.0 0.0 0.000 0.000
2014 3 NaN NaN NaN 0.0 NaN 0.0 0.0 -0.122 0.000
2015 3 0.01 0.003 0.1 0.10 NaN NaN NaN -1.309 0.000
2016 3 0.04 0.003 NaN 0.10 NaN 0.10 0.10 NaN NaN
2017 3 NaN 0.000 NaN NaN 20 NaN NaN 0.000 NaN
2018 3 0.05 0.000 NaN 0.0 NaN 0.0 0.0 0.000 0.000
所需
id spiq nopiq spiq pstkq dvy dvpq mibq xidoq miiq
2014 1 NaN NaN NaN 0.0 NaN 0.0 0.0 -0.122 0.000
2015 1 0.01 0.003 0.1 0.10 NaN 0.0 0.0 -1.309 0.000
2016 1 0.04 0.003 0.0 0.10 NaN 0.10 0.10 0.0 0.0
2017 1 0.0 0.000 0.0 0.0 20 0.0 0.0 0.0 0.0
2018 1 0.05 0.000 0.0 0.0 0.0 0.0 0.0 0.0 0.000
2014 2 NaN NaN NaN 0.0 NaN 0.0 0.0 -0.122 0.000
2015 2 0.01 0.003 0.1 0.10 NaN 0.0 0.0 -1.309 0.000
2016 2 0.04 0.003 0.0 0.10 NaN 0.10 0.10 0.0 0.0
2017 2 0.0 0.000 0.0 0.0 20 0.0 0.0 0.000 0.0
2018 2 0.05 0.000 0.0 0.0 0.0 0.0 0.0 0.000 0.000
2014 3 NaN NaN NaN 0.0 NaN 0.0 0.0 -0.122 0.000
2015 3 0.01 0.003 0.1 0.10 NaN 0.0 0.0 -1.309 0.000
2016 3 0.04 0.003 0.0 0.10 NaN 0.10 0.10 0.0 0.0
2017 3 0.0 0.000 0.0 0.0 20 0.0 0.0 0.000 0.0
2018 3 0.05 0.000 0.0 0.0 0.0 0.0 0.0 0.000 0.000
IIUC,这里有一种方法,因为你不能用零向前填充。
df.mask((df.groupby('id').ffill().notna() &
df.isna()).fillna(False), 0)
输出:
id spiq nopiq spiq.1 pstkq dvy dvpq mibq xidoq miiq
2014 1 NaN NaN NaN 0.0 NaN 0.0 0.0 -0.122 0.0
2015 1 0.01 0.003 0.1 0.1 NaN 0.0 0.0 -1.309 0.0
2016 1 0.04 0.003 0.0 0.1 NaN 0.1 0.1 0.000 0.0
2017 1 0.00 0.000 0.0 0.0 20.0 0.0 0.0 0.000 0.0
2018 1 0.05 0.000 0.0 0.0 0.0 0.0 0.0 0.000 0.0
2014 2 NaN NaN NaN 0.0 NaN 0.0 0.0 -0.122 0.0
2015 2 0.01 0.003 0.1 0.1 NaN 0.0 0.0 -1.309 0.0
2016 2 0.04 0.003 0.0 0.1 NaN 0.1 0.1 0.000 0.0
2017 2 0.00 0.000 0.0 0.0 20.0 0.0 0.0 0.000 0.0
2018 2 0.05 0.000 0.0 0.0 0.0 0.0 0.0 0.000 0.0
2014 3 NaN NaN NaN 0.0 NaN 0.0 0.0 -0.122 0.0
2015 3 0.01 0.003 0.1 0.1 NaN 0.0 0.0 -1.309 0.0
2016 3 0.04 0.003 0.0 0.1 NaN 0.1 0.1 0.000 0.0
2017 3 0.00 0.000 0.0 0.0 20.0 0.0 0.0 0.000 0.0
2018 3 0.05 0.000 0.0 0.0 0.0 0.0 0.0 0.000 0.0
详细信息:
在groupby
之后使用ffill
,用每个组的最后一个有效值填充NaN,然后检查新创建的数据帧,查看原始df中所有非NaN值和NaN值的位置,并使用mask
用0填充这些值。