pandas 按组填充累加值

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: gairuo123（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》。

数据分析前需要对不完善的数据进行整理，其中缺失值的处理是最重要的一个环节。今天的案例，我们以一种新的需求来完成缺失值的填充，看看 pandas 在这方面有哪些方便之处。

数据与需求

源数据如下，a 为分组，c 列有缺失值。

import pandas as pd
import io

data = '''
a    b    c
A    1    8
A    1    NaN 
A    4    3 
A    5    NaN 
A    2    NaN 
B    5    8 
B    2    NaN 
B    2    NaN 
B    1    5 
B    4    NaN
'''

df = pd.read_csv(io.StringIO(data), sep='\s+')
df
# ...

需求为按 a 列的分组，填充 c 中的缺失值，填充内容为 b 列对应的累加值。结果如：

'''
   a  b     c
0  A  1   8.0
1  A  1   2.0
2  A  4   3.0
3  A  5  11.0
4  A  2  13.0
5  B  5   8.0
6  B  2   7.0
7  B  2   9.0
8  B  1   5.0
9  B  4  14.0
'''

思路

我们先计算一个 b 列的关于 a 列分组后的累加值序列，最后利用 pandas Series 对齐的特性来赋值修改缺失值，从而完成填充。

代码

先计算 b 列的关于 a 列分组后的累加值：

df.groupby('a').b.cumsum()
'''
0     1
1     2
2     6
3    11
4    13
5     5
6     7
7     9
8    10
9    14
Name: b, dtype: int64
'''

然后用 loc 取要修改的 c 列内容：

df.loc[df.c.isna(), 'c']
'''
1   NaN
3   NaN
4   NaN
6   NaN
7   NaN
9   NaN
Name: c, dtype: float64
'''

最后将之前的累加值赋值给选中的数据：

df.loc[df.c.isna(), 'c'] = df.groupby('a').b.cumsum()

我们看最终的结果：

df
'''
   a  b     c
0  A  1   8.0
1  A  1   2.0
2  A  4   3.0
3  A  5  11.0
4  A  2  13.0
5  B  5   8.0
6  B  2   7.0
7  B  2   9.0
8  B  1   5.0
9  B  4  14.0
'''

这样就完成了需求。

（完）

pandas 按组填充累加值

数据与需求

思路

代码

相关内容