回填和正向填充 NaN 和 Zeros

Question

我正在尝试back/forward填写员工的工作经验（年）。我想要实现的是：

员工 200

2019 - 3 年、2018 - 2 年、2017 - 1 年

员工 300

保留为楠

员工 400

2018 - 3 岁，2017 - 2 岁

员工 500

2018 - 6 岁，2017 - 5 岁，2016 - 4 岁

我真的很难让它以 -1 (+1) 的增量回填（前填）。如果 non-NaN/zero 值位于员工 500 的中间，则更棘手。

df_test = pd.DataFrame({'DeptID':[0,0,0,1,1,1,2,2,2],
                        'Employee':[200, 200, 200, 300, 400, 400, 500, 500, 500],
                        'Year':[2017, 2018, 2019, 2016, 2017, 2018, 2016, 2017, 2018],
                        'Experience':[np.nan , np.nan, 3, np.nan, 2, np.nan, 0, 5, 0]
                       })

Answer 1

假设每个员工都有一个非零和 non-nan 经验，试试这个

df_test = pd.DataFrame({'DeptID':[0,0,0,1,1,1,2,2,2],
                        'Employee':[200, 200, 200, 300, 400, 400, 500, 500, 500],
                        'Year':[2017, 2018, 2019, 2016, 2017, 2018, 2016, 2017, 2018],
                        'Experience':[np.nan , np.nan, 3, np.nan, 2, np.nan, 0, 5, 0]
                       })

# find the last nonzero, non-nan value for each employee
nonzero = df_test[df_test.Experience.ne(0) & df_test.Experience.notna()].drop_duplicates('Employee', keep='last').reset_index().set_index('Employee')
# map the difference between experience and index of the nonzero value of the employees to employee column
# add it to index
df_test['Experience'] = df_test.index + df_test.Employee.map(nonzero.Experience - nonzero['index'])
df_test

回填和正向填充 NaN 和 Zeros

Backfilling and Forwardfilling NaNs and Zeros

python

missing-data

pandas