i有一个具有值和零的系列,该序列在给定的时间点上保持当前读数(newv
(。零表示没有针对给定的一组读数的新读数。我想维护另一个具有最后已知值(vals
(的系列。
vals
(。
如何将这些数据结构保持为系列和数据帧?
,例如
给定vals = pd.Series([1, 2, 3, 4, 5, 6, 7, 8, 9])
和newv = pd.Series([0, 22, 0, 44, 0, 0, 0, 0, 0])
我想到达vals = pd.Series([1, 22, 3, 44, 5, 6, 7, 8, 9])
在下一个迭代中给定vals = pd.Series([1, 22, 3, 44, 5, 6, 7, 8, 9])
和newv = pd.Series([11, 0, 33, 0, 0, 0, 0, 0, 0])
,我想到达vals = pd.Series([11, 22, 33, 44, 5, 6, 7, 8, 9])
好的,使用更新的示例,我认为您只需要在newv
大于零的情况下为vals
分配新值。这样做:
vals = pd.Series([1, 2, 3, 4, 5, 6, 7, 8, 9])
newv = pd.Series([0, 22, 0, 44, 0, 0, 0, 0, 0])
vals.loc[newv>0] = newv
如果您有一个带有一些新迭代列的数据框
df = pd.DataFrame()
df['vals'] = [1, 2, 3, 4, 5, 6, 7, 8, 9]
df['new1'] = [0, 22, 0, 44, 0, 0, 0, 0, 0]
df['new2'] = [11, 0, 33, 0, 0, 0, 0, 0, 0]
df['last_known'] = df.apply(lambda x: x[x>0].iloc[-1], axis=1)
或者您可以通过df
的列应用上一个答案的方法,并在每次迭代中获取当前值:
df.apply(pd.Series.replace, axis=1, to_replace=0, method='ffill')
将产生
vals new1 new2
0 1 1 11
1 2 22 22
2 3 3 33
3 4 44 44
4 5 5 5
5 6 6 6
6 7 7 7
7 8 8 8
8 9 9 9
下面的原始答案
您可以通过用NaN
s替换零值,然后使用fillna
方法来进行此操作来执行此操作。示例:
import pandas as pd
import numpy as np
s1 = pd.Series([1,2,3,0,0,0,4,0,5])
s2 = s1.replace({0:np.NaN}).fillna(method='ffill')
这是s2
中的结果:
0 1.0
1 2.0
2 3.0
3 3.0
4 3.0
5 3.0
6 4.0
7 4.0
8 5.0
正如@ayhan在评论中所建议的一种更好的方法是将replace
与方法参数:
s2 = s1.replace(0, method='ffill')