Python|熊猫 dataframe.bfill()

Python是一种用于进行数据分析的出色语言，主要是因为以数据为中心的Python包的奇妙生态系统。 Pandas就是其中之一，它使导入和分析数据变得更加容易。

Pandas dataframe.bfill()用于反向填充数据集中的缺失值。它将向后填充熊猫数据框中存在的NaN值。

Syntax: DataFrame.bfill(axis=None, inplace=False, limit=None, downcast=None)

Parameters:
axis : ‘rows’ or ‘columns’
inplace : boolean, default False
limit : integer value, No. of consecutive na cells to be populated.

示例 #1：使用bfill()函数在数据框中跨行填充缺失值na值。

# importing pandas as pd
import pandas as pd
  
# Creating a dataframe with "na" values.
  
df = pd.DataFrame({"A":[None, 1, 2, 3, None, None], 
                   "B":[11, 5, None, None, None, 8],
                   "C":[None, 5, 10, 11, None, 8]})
  
# Printing the dataframe
df

当axis='rows'时，当前na单元格中的值从下一行中的相应值填充。如果下一行也是na值，则不会填充。

# Fill across the row
df.bfill(axis ='rows')

输出 ：

示例 #2：使用bfill()函数跨列填充数据框中的缺失值na值。

当axis='columns'时，当前na单元格将从同一行的下一列中存在的值填充。如果下一列也是na单元格，则不会填充。

# importing pandas as pd
import pandas as pd
  
# Creating a dataframe with "na" values.
  
df = pd.DataFrame({"A":[None, 1, 2, 3, None, None],
                   "B":[11, 5, None, None, None, 8],
                   "C":[None, 5, 10, 11, None, 8]})
  
# bfill values using values from next column
df.bfill(axis ='columns')

输出 ：

注意第 4 行。所有值都是na ，因为最右边的单元格最初是na ，并且其右侧没有可以填充自身的单元格。因此，它也无法填充先前的na单元格。