如何从具有相同结构的另一个数据帧的单行中填充（）数据帧的所有列

Question

我有一个 train_df 和一个 test_df，它们来自同一个原始数据帧，但按一定比例分开以分别形成训练和测试数据集。

训练数据帧和测试数据帧都具有相同的结构：

带每日桶的 PeriodIndex
n 列表示这些时间段中的观察值，例如销售额、价格等

我现在想构建一个 yhat_df，它存储每一列的预测值。在 "naive" 情况下，yhat_df 列值只是最后观察到的训练数据集值。

所以我开始构建 yhat_df 如下：

import pandas as pd
yhat_df = pd.DataFrame().reindex_like(test_df)
yhat_df[train_df.columns[0]].fillna(train_df.tail(1).values[0][0], inplace=True)
yhat_df(train_df.columns[1]].fillna(train_df.tail(1).values[0][1], inplace=True)

这似乎有效，因为我只有两列，所以可以忍受额外的输入。

我想知道有没有更简单的方法，尤其是不需要我一栏一栏的方法。

我尝试了以下操作，但只是正确填充了 PeriodIndex 值匹配的列值。似乎 fillna() 试图在 Index:

内部做一些 join()

yhat_df.fillna(train_df.tail(1), inplace=True)

如果我能想出一种方法让 fillna() 忽略索引，也许这行得通？

Answer 1

你可以使用 fillna 和字典来用不同的值填充每一列，所以我认为：

yhat_df = yhat_df.fillna(train_df.tail(1).to_dict('records')[0])

应该可以，但如果我很了解你的工作，那么甚至可以直接创建数据框：

yhat_df = pd.DataFrame(train_df.tail(1).to_dict('records')[0], 
                       index = test_df.index, columns = test_df.columns)

如何从具有相同结构的另一个数据帧的单行中填充（）数据帧的所有列

How to fillna() all columns of a dataframe from a single row of another dataframe with identical structure

python-3.x

pandas

dataframe

fillna