pandas ffill() 向前填充缺失值

看过来

《pandas 教程》持续更新中，提供建议、纠错、催更等加作者微信: gr99123（备注：pandas教程）和关注公众号「盖若」ID: gairuo。跟作者学习，请进入 Python学习课程。欢迎关注作者出版的书籍：《深入浅出Pandas》和《Python之光》。

ffill() 方法用于在 DataFrame 或 Series 中向前填充缺失值（NaN）。它将缺失值用紧随其前的非缺失值替换，保持数据的完整性。

语法

通过将上一个有效观测值传播到下一个有效观察值来填充NA/NaN值。

DataFrame.ffill(
    axis=None,
    inplace=False,
    limit=None,
    limit_area=None,
    downcast=None
)

适用数据类型

DataFrame
Series

参数意义

axis:
- 类型: int 或 str，可选，默认为 None
- 意义: 指定沿哪个轴填充缺失值。对于 DataFrame，0 或 'index' 表示按行填充，1 或 'columns' 表示按列填充。对于 Series，此参数未使用，默认为 0。
inplace:
- 类型: bool，可选，默认为 False
- 意义: 是否在原地修改数据。True 表示修改原始数据，False 表示返回填充后的新对象。
limit:
- 类型: int，可选，默认为 None
- 意义: 限制填充的最大数量。如果指定了 method 参数，表示连续的 NaN 值的最大填充数量。如果未指定 method，则表示整个轴上 NaN 值的最大填充数量。必须大于 0（如果不是 None）。
limit_area:
- 类型: str 或 None，可选，默认为 None
- 意义: 如果指定了 limit，控制填充的区域：
  - None: 无限制。
  - 'inside': 仅填充被有效值包围的 NaN（内插）。
  - 'outside': 仅填充有效值之外的 NaN（外推）。
downcast:
- 类型: dict 或 str，可选，默认为 None
- 意义: 指定希望将数据下转换为的 dtype。如果设置为 dict，则为每种数据类型指定下转换目标。例如 {‘float64’: ‘int64’}。如果设置为 'infer'，则尝试将数据下转换为适当的等效类型（如将 float64 下转换为 int64）。
- 自2.2.0版本起已弃用。

返回值

返回值类型:
- 如果 inplace=False，返回填充后的新 DataFrame 或 Series。
- 如果 inplace=True，则返回 None，原始数据会被修改。

使用场景

数据清洗: ffill() 方法用于数据清洗阶段，特别是当数据中存在缺失值时，可以用来填补缺失值，保持数据的完整性。
数据分析: 在分析数据时，需要处理缺失值以保证数据的连续性和一致性，ffill() 是一种有效的填充方法。
时间序列处理: 在处理时间序列数据时，ffill() 方法常用于填充时间序列中的缺失值，以确保数据的连续性。

示例

df = pd.DataFrame([[np.nan, 2, np.nan, 0],
                   [3, 4, np.nan, 1],
                   [np.nan, np.nan, np.nan, np.nan],
                   [np.nan, 3, np.nan, 4]],
                  columns=list("ABCD"))
df
'''
     A    B   C    D
0  NaN  2.0 NaN  0.0
1  3.0  4.0 NaN  1.0
2  NaN  NaN NaN  NaN
3  NaN  3.0 NaN  4.0
'''

df.ffill()
'''
     A    B   C    D
0  NaN  2.0 NaN  0.0
1  3.0  4.0 NaN  1.0
2  3.0  4.0 NaN  1.0
3  3.0  3.0 NaN  4.0
'''

ser = pd.Series([1, np.nan, 2, 3])
ser.ffill()
'''
0   1.0
1   1.0
2   2.0
3   3.0
dtype: float64
'''

案例

例1: 基本填充

import pandas as pd
import numpy as np

# 构造示例数据
data = {
    'A': [1, np.nan, 3, np.nan],
    'B': [np.nan, 2, np.nan, 4]
}
df = pd.DataFrame(data)

# 使用 ffill 填充缺失值
df_ffilled = df.ffill()

print(df)
print(df_ffilled)

输出:

'''
     A    B
0  1.0  NaN
1  NaN  2.0
2  3.0  NaN
3  NaN  4.0

     A    B
0  1.0  NaN
1  1.0  2.0
2  3.0  2.0
3  3.0  4.0
'''

在这个例子中，ffill() 方法将 DataFrame 中的缺失值用紧随其前的非缺失值填充。例如，第二行的 A 列的缺失值被填充为 1.0，因为紧随其前的非缺失值是 1.0。

例2: 使用 limit 限制填充数量

import pandas as pd
import numpy as np

# 构造示例数据
data = {
    'A': [1, np.nan, 3, np.nan, np.nan],
    'B': [np.nan, 2, np.nan, 4, 5]
}
df = pd.DataFrame(data)

# 使用 ffill 填充缺失值，限制填充数量为 1
df_ffilled = df.ffill(limit=1)

print(df)
print(df_ffilled)

输出:

'''
     A    B
0  1.0  NaN
1  NaN  2.0
2  3.0  NaN
3  NaN  4.0
4  NaN  5.0

     A    B
0  1.0  NaN
1  1.0  2.0
2  3.0  2.0
3  3.0  4.0
4  3.0  5.0
'''

在这个例子中，limit=1 意味着每个缺失值最多被填充一个前面的非缺失值。例如，在第二行中，A 列的缺失值被填充为 1.0，但在第四行中，A 列的缺失值仍然是 NaN，因为已经达到了填充限制。

例3: inplace=True 进行原地填充

import pandas as pd
import numpy as np

# 构造示例数据
data = {
    'A': [1, np.nan, 3],
    'B': [np.nan, 2, np.nan]
}
df = pd.DataFrame(data)

# 使用 ffill 填充缺失值，修改原始数据
df.ffill(inplace=True)

print(df)

输出:

'''
     A    B
0  1.0  2.0
1  1.0  2.0
2  3.0  2.0
'''

在这个例子中，ffill(inplace=True) 直接修改了原始 DataFrame df，将缺失值用紧随其前的非缺失值填充。

总结

ffill() 方法在处理缺失值时非常有用，通过向前填充缺失值来保持数据的连续性。它在数据清洗、数据分析和时间序列处理等场景中非常重要。通过调整参数，你可以灵活控制填充的行为和范围。

参考

https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.ffill.html

< bfill() 向后填充缺失值 pandas 缺失值填充 interpolate() 插值填充 >

更新时间：2024-08-09 09:22:59 标签：pandas python 缺失值 ffill