根据特定条件向前填充

Question

我有一个数据框，我想根据特定条件转发填充。

当条件为 True 时，我想要向前填充和向后填充。条件为 False 意味着该行和下一行之间的链接应该是中断。

当查看我的数据框时，我的意思非常清楚。我的输入如下所示：

condition_values = [True, True, True, False, True, True, False, True,
                    True, False, True, True, True]
value_values = [0.1, np.nan, np.nan, np.nan, np.nan, np.nan, np.nan,
                np.nan, np.nan, 0.5, np.nan, 0.9, np.nan]

data = {'condition': condition_values,
        'value': value_values}
df = pd.DataFrame(data)

    condition  value
0        True    0.1
1        True    NaN
2        True    NaN
3       False    NaN
4        True    NaN
5        True    NaN
6       False    NaN
7        True    NaN
8        True    NaN
9       False    0.5
10       True    NaN
11       True    0.9
12       True    NaN

我想要的输出如下所示：

condition_values = [True, True, True, False, True, True, False, True, True, 
                    False, True, True, True]
value_values = [0.1,0.1, 0.1, 0.1, np.nan, np.nan, np.nan, 0.5, 0.5, 0.5, 
                0.9, 0.9, 0.9]

data = {'condition': condition_values,
        'value': value_values}
df2 = pd.DataFrame(data)

    condition  value
0        True    0.1
1        True    0.1
2        True    0.1
3       False    0.1
4        True    NaN
5        True    NaN
6       False    NaN
7        True    0.5
8        True    0.5
9       False    0.5
10       True    0.9
11       True    0.9
12       True    0.9

我尝试制作一堆数据帧，由 Falses、ffill 和 bfill 分割，然后重新连接。必须有一种更快的方法。我非常愿意接受提示而不是完整的解决方案 - 我正在尝试以某种方式解决这个问题。

Answer 1

我一直在努力。 我相信答案实际上在于 groupby。

 s = df.condition.shift(1).eq(0).cumsum()
 df['value2'] = df.groupby(s).value.ffill().bfill()

这还不完美，但已经实现了。

好的，问题是 ffill().bfill() 会破坏组，因为第二个填充正在处理系列。明白了：

  df['value2'] = df.groupby(s).value.ffill()
  df['value2'] = df.groupby(s).value.bfill()

Answer 2

你们确实很接近！这是一种方法：

df['value'] = (
    df.groupby(
        df['condition'].shift().eq(0).cumsum()
        .where(df['condition']).ffill()
    )['value']
    .apply(lambda x: x.ffill().bfill())
    .droplevel(0)
)

输出

    condition  value
0        True    0.1
1        True    0.1
2        True    0.1
3       False    0.1
4        True    NaN
5        True    NaN
6       False    NaN
7        True    0.5
8        True    0.5
9       False    0.5
10       True    0.9
11       True    0.9
12       True    0.9

解释

• 从

  Series.shift

  开始

  df['condition']

  并检查

  Series.eq

  为 0（就像您所做的那样）。
• 现在，链

  Series.where

  将

  False

  行“重置”到

  NaN

  并应用

  Series.ffill

  ，从而将它们添加到上一组。
• 将结果传递给

  df.groupby

  ，选择“值”列，然后使用

  groupby.apply

  将

  Series.ffill

  和

  Series.bfill

  应用于每个组。
• 最后，使用

  df.droplevel

  删除前置索引级别并分配给

  df['value']

  。