针对特定列的逐行fillna？

Question

我有一个以下的Pandas数据帧，我想以逐行方式使用列D中的值来填写列A-C中的NaN。是否有明确的方法可以定义所有NaN应该逐行依赖于列D的值？我无法在fillna()中找到明确的方法。

请注意，还有其他的E-Z列，它们有自己的NaN并且可能具有填充NaN的其他规则，并且应保持不变。

A        B        C        D       E
158      158      158      177     ...  
158      158      158      177     ...
NaN      NaN      NaN      177     ...   
158      158      158      177     ...
NaN      NaN      NaN      177     ...  

仅希望将此应用于A-C列：

A        B        C        D       E
158      158      158      177     ...  
158      158      158      177     ...
177      177      177      177     ...   
158      158      158      177     ...
177      177      177      177     ...  

感谢您的选择。

- wfh

Answer 1

使用fillna函数：

df.fillna(axis=1, method='backfill')

如果其他列中没有NaN值，将执行操作。
如果有NaN值且您想保持它们不变，我认为唯一的选择是对数据帧的子集执行fillna。例如：

In [45]: df
Out[45]: 
     A    B    C    D   E   F
0  158  158  158  177   1  10
1  158  158  158  177   2  20
2  NaN  NaN  NaN  177   3  30
3  158  158  158  177 NaN  40
4  NaN  NaN  NaN  177   5  50

In [48]: df[['A', 'B', 'C', 'D']] = df[['A', 'B', 'C', 'D']].fillna(axis=1, method='backfill')

In [49]: df
Out[49]: 
     A    B    C    D   E   F
0  158  158  158  177   1  10
1  158  158  158  177   2  20
2  177  177  177  177   3  30
3  158  158  158  177 NaN  40
4  177  177  177  177   5  50

---

更新：如果您不想依赖列顺序，也可以为每一行指定要使用的值来填充（例如.fillna(value=df['D']）。唯一的问题是，这仅适用于Series（当它是一个dataframe时，它会尝试将不同的填充值映射到不同的列而不是行）。因此，通过逐列执行apply操作，它可以工作：

In [60]: df[['A', 'B', 'C']].apply(lambda x: x.fillna(value=df['D']))
Out[60]: 
     A    B    C
0  158  158  158
1  158  158  158
2  177  177  177
3  158  158  158
4  177  177  177

- joris

---

谢谢，这很有道理。但是是否有一种方法可以通过明确定义其他NaN列应从哪一列获取其值来实现呢？例如，如果列'E'和'F'也有NaN，并且我还想要它们按行用来自列'D'的值进行填充？在某种意义上，这将使填充逻辑独立于列顺序。 - wfh

“D”列并不总是像你的例子中那样恒定不变吗？如果是这种情况，当然可以更简单地解决。 - joris

没错，它不是常量 - 我应该选择一个更好/不那么琐碎的例子。感谢您的帮助！ - wfh

Answer 2

你也可以使用以下代码

cols = ['A', 'B', 'C', 'D']
df.loc[:,cols] = df.loc[:,cols].bfill()

- didi