在 pandas 中使用 ffill 在以下 NaN 之间分配值
Distribute value across following NaNs using ffill in pandas
我有一个收到订单的数据框，例如：
Date Units
01-01-2020 2
02-01-2020 12
03-01-2020 NaN
04-01-2020 NaN
05-01-2020 5
06-01-2020 9
07-01-2020 NaN
08-01-2020 1
有时客户会订购更多数量，这样他们就不必在接下来的 1 或 2 天内重新订购。我试图找到客户在任何给定日期使用的平均数量。例如，如果客户订购 12，然后 2 天没有订购，则应将三天的所有单位更改为 4。
输出将是：
Date Units
01-01-2020 2
02-01-2020 4
03-01-2020 4
04-01-2020 4
05-01-2020 5
06-01-2020 4.5
07-01-2020 4.5
08-01-2020 1
我可以结合使用 ffill 和添加辅助列来计算连续的 NaN 值，但我觉得必须有更优雅的方法。
我们可以尝试使用 isnull 和 cumsum 创建 groupby 密钥然后执行 transform
df['Units'] = df['Units'].fillna(0).groupby(df['Units'].notnull().cumsum()).transform('mean')
0 2.0
1 4.0
2 4.0
3 4.0
4 5.0
5 4.5
6 4.5
7 1.0
我有一个收到订单的数据框，例如：
Date Units
01-01-2020 2
02-01-2020 12
03-01-2020 NaN
04-01-2020 NaN
05-01-2020 5
06-01-2020 9
07-01-2020 NaN
08-01-2020 1
有时客户会订购更多数量，这样他们就不必在接下来的 1 或 2 天内重新订购。我试图找到客户在任何给定日期使用的平均数量。例如，如果客户订购 12，然后 2 天没有订购，则应将三天的所有单位更改为 4。 输出将是：
Date Units
01-01-2020 2
02-01-2020 4
03-01-2020 4
04-01-2020 4
05-01-2020 5
06-01-2020 4.5
07-01-2020 4.5
08-01-2020 1
我可以结合使用 ffill 和添加辅助列来计算连续的 NaN 值，但我觉得必须有更优雅的方法。
我们可以尝试使用 isnull 和 cumsum 创建 groupby 密钥然后执行 transform
df['Units'] = df['Units'].fillna(0).groupby(df['Units'].notnull().cumsum()).transform('mean')
0 2.0
1 4.0
2 4.0
3 4.0
4 5.0
5 4.5
6 4.5
7 1.0