python - Pandas 中的 fillna - 如何自动选择最佳方法？

Question

假设我有一个数据框，其中包含包含大量 nan 值的列 - 实际上大多数值都没有，除了一个(或几个相同的)，但分布在不同的行上。例如:

df = pd.DataFrame({'A':[np.nan, 2, np.nan], 'B':[3.5, np.nan, 3.5], 'C':[np.nan, np.nan, 0.1]})

那么我怎样才能实现这样的数据框呢？

  A    B    C
0  2  3.5  0.1
1  2  3.5  0.1
2  2  3.5  0.1

“bfill”仅适用于“C”列，“ffill”仅适用于“B”列...

那么如何用该列中任何地方出现的 notna 值替换该列中的所有 nan 值？

Answer 1

正向填充、回填数据框。

df =df.ffill().bfill()