fillna in Pandas - 如何自动选择最佳方法？
fillna in Pandas - how to choose the best method automatically?
假设我有一个数据框，其中包含包含很多 nan 值的列 - 事实上大多数值都是 none，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' 仅适用于列 'C'，'ffill' 仅适用于列 'B'...
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？
前向填充，回填数据帧。
df =df.ffill().bfill()
假设我有一个数据框，其中包含包含很多 nan 值的列 - 事实上大多数值都是 none，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' 仅适用于列 'C'，'ffill' 仅适用于列 'B'...
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？
前向填充，回填数据帧。
df =df.ffill().bfill()