前向填充 pandas ffill - Python

在 Pandas 中，前向填充是一种用来填充缺失值的方法，对于一个时间序列数据，前向填充（ffill）是一种处理缺失值的有效方法。当出现数据缺失时，前向填充可以使用前面已知的一个值来填补缺失位置。

语法

在 Pandas 中，使用 ffill() 函数进行前向填充操作，语法结构如下：

DataFrame.ffill(axis=None, inplace=False, limit=None, downcast=None)

• axis: 轴向填充，0代表纵向，1代表横向，默认为0。
• inplace: 直接修改原 Dataframe，默认为 False。
• limit: 填充连续几个缺失值，默认为 None。
• downcast: 通过指定 dtype 减少内存占用，默认为 None。

示例

下面是一个示例，我们首先创建一个具有缺失值的 dataframe：

import numpy as np
import pandas as pd

data = {'A': [1, 2, np.nan, 4],
        'B': [5, np.nan, 7, 8],
        'C': [np.nan, 10, 11, 12]}
df = pd.DataFrame(data)
print(df)

     A    B     C
0  1.0  5.0   NaN
1  2.0  NaN  10.0
2  NaN  7.0  11.0
3  4.0  8.0  12.0

然后，我们对该 dataframe 进行前向填充：

df.ffill()

     A    B     C
0  1.0  5.0   NaN
1  2.0  5.0  10.0
2  2.0  7.0  11.0
3  4.0  8.0  12.0

可以看到，缺失值已经被填充，这里我们使用了默认的 axis=0，即纵向填充。

总结

前向填充是 Pandas 中处理缺失值的方法之一，通过前向填充可以用前面已知的一个合理值来填补缺失的位置，从而使数据集更加完整。在使用 Pandas 处理时间序列数据时，前向填充也是一种有效方法。