Pandas 根据多列中的值填充列中的 na

Question

我有一个数据框如下：

   model         year   price
                              
   Honda          2016    5.0
   Yamaha         2017    5.5
   Honda          2018    5.7
   Yamaha         2017    NaN
   Bajaj          2015    6.5
   Bajaj          2015    NaN
   Honda          2019    7.0
   Honda          2017    NaN

我想做的就是根据型号和年份列填写价格列中的 NaN。例如，Yamaha 2017 在第 2 行中为 5.5，在第 4 行中为 NaN。NaN 应替换为 5.5。

这只是一个示例数据集，我有 1000 多行。下一步是根据最近的年份填写模型的值，仅在模型和年份组合不存在于数据集中的情况下（我不确定我的数据集中是否有任何此类情况，因此这目前不是优先事项）。

任何正确方向的帮助都值得赞赏。谢谢。

Answer 1

pd.DataFrame.merge.asof如果数据集中不存在模型、年份组合，我们可以按照亲爱的mozway的建议来使用，他始终是灵感的来源，如下所示：

df['price'] = df.groupby(['model', 'year'], group_keys=False)['price'].apply(lambda x: x.ffill().bfill())

# First we sort the original data set by year values
df.sort_values('year', inplace=True)

# Then we merge the original data set with a subset of the original 
# which contains no NaN values. Just note that I specified a tuple of 
# values in suffixes argument to distinguish between the columns whose 
# names are overlapped

df = (pd.merge_asof(df, df.loc[~ df.price.isnull()], on='year', direction='nearest', suffixes=('_x', ''))
      .loc[:, ['model_x', 'year', 'price']])

df.columns = df.columns.str.rstrip('_x')

    model  year  price
0   Bajaj  2015    6.5
1   Bajaj  2015    6.5
2   Honda  2016    5.0
3  Yamaha  2017    5.5
4  Yamaha  2017    5.5
5   Honda  2018    5.7
6  Yamaha  2018    5.7
7   Honda  2019    7.0
8   Honda  2020    7.0

我为此案例创建了以下示例数据：

testdata = ''' model         year   price                          
   Honda          2016    5.0
   Yamaha         2017    5.5
   Honda          2018    5.7
   Yamaha         2017    NaN
   Yamaha         2018    NaN
   Bajaj          2015    6.5
   Bajaj          2015    NaN
   Honda          2019    7.0
   Honda          2020    NaN
'''