我對此有點麻煩。我的數據框如下所示：id amount dummy1 130 01 120 01 110 11 nan nan 1 nan nan 2 nan 02 50 02 20 12 nan nan 2 nan nan 所以，我需要做的是，在 dummy 獲得 value = 1 之后，我需要為每個變量填充零id，如下所示：id amount dummy1 130 01 120 01 110 11 0 nan 1 0 nan 2 nan 02 50 02 20 12 0 nan 2 0 nan 我猜我需要一些groupby('id'), fillna(method='ffill'), 也許 a.loc或 a 的組合shift()，但是我嘗試的所有東西都有一些問題或者很慢。有什么建議么？
4 回答
哈士奇WWW
TA貢獻1799條經驗 獲得超6個贊
我將使用的方式
s = df.groupby('id')['dummy'].ffill().eq(1)
df.loc[s&df.dummy.isna(),'amount']=0
楊__羊羊
TA貢獻1943條經驗 獲得超7個贊
你可以更容易地做到這一點：
data[data['dummy'].isna()]['amount'] = 0
這將選擇 dummy 為 nan 的所有行，并用 0 填充金額列。
ABOUTYOU
TA貢獻1812條經驗 獲得超5個贊
IIUC，ffill()并掩蓋靜南：
s = df.groupby('id')['amount'].ffill().notnull()
df.loc[df['amount'].isna() & s, 'amount'] = 0
輸出：
id amount dummy
0 1 130.0 0.0
1 1 120.0 0.0
2 1 110.0 1.0
3 1 0.0 NaN
4 1 0.0 NaN
5 2 NaN 0.0
6 2 50.0 0.0
7 2 20.0 1.0
8 2 0.0 NaN
9 2 0.0 NaN
小唯快跑啊
TA貢獻1863條經驗 獲得超2個贊
請您嘗試以下操作。
df.loc[df['dummy'].isnull(),'amount']=0
df
輸出如下。
id amount dummy
0 1 130.0 0.0
1 1 120.0 0.0
2 1 110.0 1.0
3 1 0.0 NaN
4 1 0.0 NaN
5 2 NaN 0.0
6 2 50.0 0.0
7 2 20.0 1.0
8 2 0.0 NaN
9 2 0.0 NaN
添加回答
舉報
0/150
提交
取消