pandas.DataFrame.bfill #

数据框。bfill ( * , axis = None , inplace = False , limit = None , limit_area = None , downcast = _NoDefault.no_default ) [来源] #

通过使用下一个有效观察来填补空白来填充 NA/NaN 值。

参数
{0 或 'index'} 对于 Series,{0 或 'index', 1 或 'columns'} 对于 DataFrame

填充缺失值的轴。对于系列 ,此参数未使用,默认为 0。

inplace布尔值,默认 False

如果为 True,则就地填写。注意:这将修改该对象上的任何其他视图(例如,DataFrame 中列的无复制切片)。

limit int,默认无

如果指定了 method,则这是要向前/向后填充的连续 NaN 值的最大数量。换句话说,如果存在连续 NaN 数量超过此数量的间隙,则只会部分填充。如果未指定 method,则这是沿整个轴填充 NaN 的最大条目数。如果不是 None,则必须大于 0。

limit_area { None , 'inside', 'outside'}, 默认 None

如果指定了 limit,则连续的 NaN 将用此限制填充。

  • None:无填充限制。

  • 'inside':仅填充由有效值包围的 NaN(插值)。

  • 'outside':仅填充有效值之外的 NaN(推断)。

2.2.0 版本中的新增内容。

downcast dict,默认为 None

如果可能的话,要向下转换的 item->dtype 的字典,或者字符串“infer”,它将尝试向下转换为适当的相等类型(例如,如果可能,将 float64 转换为 int64)。

自 2.2.0 版本起已弃用。

返回
系列/数据框或无

缺失值已填充的对象,如果 则为 None inplace=True

例子

对于系列:

>>> s = pd.Series([1, None, None, 2])
>>> s.bfill()
0    1.0
1    2.0
2    2.0
3    2.0
dtype: float64
>>> s.bfill(limit=1)
0    1.0
1    NaN
2    2.0
3    2.0
dtype: float64

使用数据框:

>>> df = pd.DataFrame({'A': [1, None, None, 4], 'B': [None, 5, None, 7]})
>>> df
      A     B
0   1.0   NaN
1   NaN   5.0
2   NaN   NaN
3   4.0   7.0
>>> df.bfill()
      A     B
0   1.0   5.0
1   4.0   5.0
2   4.0   7.0
3   4.0   7.0
>>> df.bfill(limit=1)
      A     B
0   1.0   5.0
1   NaN   5.0
2   4.0   7.0
3   4.0   7.0