在 Pandas 系列中填充连续的 NaN

Question

如果连续 NAN 少于 3 个，我想在我的 pandas 系列中填充缺失值。

缺失值的原始系列：

s=pd.Series(pd.np.random.randn(20))
s[[1,3,5,7,12,13,14,15, 18]]=pd.np.nan

给出：

0     0.444025
1          NaN
2     0.631753
3          NaN
4    -0.577121
5          NaN
6     1.299953
7          NaN
8    -0.252173
9     0.287641
10    0.941953
11   -1.624728
12         NaN
13         NaN
14         NaN
15         NaN
16    0.998952
17    0.195698
18         NaN
19   -0.788995

但是，使用带有限制的 pandas.fillna() 只会填充指定值的数量（不是预期的连续 NAN 数）：

s.fillna(value=0, limit=3) #Fails to fill values at position 7 and forward

所需的输出将在位置 1、3、5、7 和 18 处用 0 填充 NAN。它会在位置 12-15 处留下一系列 4 个 NaN。

SO 上的文档和其他帖子尚未解决此问题（例如）。文档似乎暗示此限制将适用于连续的 NAN，而不适用于将填充的整个数据集中的总体 #。谢谢！

Answer 1

我们首先通过 pd.Series.notna 找到 nan 值的位置。

当我们使用 cumsum 时，每当我们遇到 non-null 值时，我们都会增加累积和，从而为连续的 nan 值生成方便的组。

但是，除了第一组（可能是第一组），我们从 non-null 值开始。因此，我对 mask 求反并对每个组中的空值总数求和。

现在我 fillna 并使用 pd.DataFrame.where 来掩盖 nan 值之和太多的地方。

mask = s.notna()
c_na = (~mask).groupby(mask.cumsum()).transform('sum')
filled = s.fillna(0).where(c_na.le(3))
s.fillna(filled)

0     1.418895
1     0.000000
2    -0.553732
3     0.000000
4    -0.101532
5     0.000000
6    -1.334803
7     0.000000
8     1.159115
9     0.309093
10   -0.047970
11    0.051567
12         NaN
13         NaN
14         NaN
15         NaN
16    0.623673
17   -0.786857
18    0.000000
19    0.310688
dtype: float64

这是使用 np.bincount 和 pd.factorize

的奇特 Numpy/Pandas 方式

v = s.values
m = np.isnan(v)
f, u = pd.factorize((~m).cumsum())
filled = np.where(
    ~m, v,
    np.where(np.bincount(f, weights=mask)[f] <= 3, 0, np.nan)
)

pd.Series(filled, s.index)

0     1.418895
1     0.000000
2    -0.553732
3     0.000000
4    -0.101532
5     0.000000
6    -1.334803
7     0.000000
8     1.159115
9     0.309093
10   -0.047970
11    0.051567
12         NaN
13         NaN
14         NaN
15         NaN
16    0.623673
17   -0.786857
18    0.000000
19    0.310688
dtype: float64

Answer 2

您可以按以下方式使用 rolling 运算符进行尝试：

1) 创建一个函数，仅当 window

中的值小于 X 时才 returns 0

fillnaiflessthan(series, count):
    if series.isnull().sum() < count and series.center == pd.NaN:
         return 0

2) 然后在里面使用rolling

s.rolling(window=5, center=True, min_periods=0).apply(lambda x: fillnaiflessthan(x, 4))

Answer 3

首先，构建一个 na cum_count 列。连续的 nas 将具有相同的 cum_count.

df = s.to_frame('value').assign(na_ct=s.notna().cumsum())

然后我们可以按na分组cum_count，检查每组中的行数并决定weather是否填充nas。

df.groupby(df.na_ct).apply(lambda x: x if len(x)>4 else x.fillna(0)).value
Out[76]: 
0     0.195634
1     0.000000
2    -0.818349
3     0.000000
4    -2.347686
5     0.000000
6    -0.464040
7     0.000000
8     0.179321
9     0.356661
10    0.471832
11   -1.217082
12         NaN
13         NaN
14         NaN
15         NaN
16   -0.112744
17   -2.630191
18    0.000000
19   -0.313592
Name: value, dtype: float64

Answer 4

也许试试这个？

t=s[s.isnull()];
v=pd.Series(t.index,index=t.index).diff().ne(1).cumsum();
z=v[v.isin(v.value_counts()[v.value_counts().gt(3)].index.values)];
s.fillna(0).mask(s.index.isin(z.index))
Out[348]: 
0    -0.781728
1     0.000000
2    -1.114552
3     0.000000
4     1.242452
5     0.000000
6     0.599486
7     0.000000
8     0.757384
9    -1.559661
10    0.527451
11   -0.426890
12         NaN
13         NaN
14         NaN
15         NaN
16   -1.264962
17    0.703790
18    0.000000
19    0.953616
dtype: float64

在 Pandas 系列中填充连续的 NaN

Fill Consecutive NaNs in Pandas Series

pandas

nan

series

fillna