需要在 python 中的 na 值之前用过去的三个值填充 NA 值

Question

需要用该 NA 的过去三个值的平均值填充 NA 值

这是我的数据集

RECEIPT_MONTH_YEAR NET_SALES

0 2014-01-01 818817.20

1 2014-02-01 362377.20

2 2014-03-01 374644.60

3 2014-04-01 北美

4 2014-05-01 不适用

5 2014-06-01 不适用

6 2014-07-01 NA

7 2014-08-01 46382.50

8 2014-09-01 55933.70

9 2014-10-01 292303.40

10 2014-10-01 382928.60

Answer 1

此数据集是 .csv 文件还是数据框。这个 NA 是 'NaN' 还是字符串 ?

import pandas as pd
import numpy as np
df=pd.read_csv('your dataset',sep=' ')
df.replace('NA',np.nan)
df.fillna(method='ffill',inplace=True)

你提到了一些关于 3 个值的平均值的事情..上面简单地向前填充了 NaN 开始之前的最后一个观察。这通常是一种很好的预测方法（如果坚持很重要，在某些情况下比采取手段更好）

 ind = df['NET_SALES'].index[df['NET_SALES'].apply(np.isnan)]
 Meanof3 = df.iloc[ind[0]-3:ind[0]].mean(axis=1,skipna=True)
 df.replace('NA',Meanof3)

如果知道有关数据集的更多信息，也许可以推广和改进答案 - 就像您总是想在任何 NA 之前取最后 3 次测量的平均值。以上将允许您检查 NaN 的索引，然后在忽略任何 NaN

之前取 3 的平均值

Answer 2

这很简单但很有效

df_data.fillna(0,inplace=True)
for i in range(0,len(df_data)):
if df_data['NET_SALES'][i]== 0.00:
    condtn = df_data['NET_SALES'][i-1]+df_data['NET_SALES'][i-2]+df_data['NET_SALES'][i-3]
    df_data['NET_SALES'][i]=condtn/3

Answer 3

您可以使用 fillna（假设您的 NA 已经 np.nan）和滚动平均值：

import pandas as pd
import numpy as np

df = pd.DataFrame([818817.2,362377.2,374644.6,np.nan,np.nan,np.nan,np.nan,46382.5,55933.7,292303.4,382928.6], columns=["NET_SALES"])

df["NET_SALES"] = df["NET_SALES"].fillna(df["NET_SALES"].shift(1).rolling(3, min_periods=1).mean())

输出：

NET_SALES
0   818817.2
1   362377.2
2   374644.6
3   518613.0
4   368510.9
5   374644.6
6   NaN
7   46382.5
8   55933.7
9   292303.4
10  382928.6

如果你想包含推算值，我想你需要使用循环。

需要在 python 中的 na 值之前用过去的三个值填充 NA 值

need to fill the NA values with the past three values before na values in python

python

time-series

forecasting

python-3.x

fillna