用于多索引Pandas DataFrame的Pandas()

Question

我有一个多索引Pandas，我想使用ffill()来填充某些列中的所有NaNs。下面的代码显示了示例数据的结构，以及下一个快照中ffill()的结果。

room = ['A', 'B']
val = range(3)
df = pd.DataFrame(columns=pd.MultiIndex.from_product([room, val]),data=np.random.randn(3,6))
df.loc[1,('B',0)]=np.nan
# print(df.loc[1,('B',0)])
display(df)
df = df.ffill(axis=1)
display(df)

​

​

我希望得到的是，在1，('B',0)处的NaN被替换为-0.392674，而不是-1.349675。通常，我希望能够从级别1(0、1、2)的对应列中获得ffill()。

我怎样才能做到这一点？

Answer 1

我想你是在找groupby fillna

df=df.groupby(level=1,axis=1).fillna(method='ffill')
df
Out[496]: 
          A                             B                    
          0         1         2         0         1         2
0 -0.177358 -1.531091 -0.945004  1.665143  0.602459 -0.008192
1 -0.006995  0.472267 -0.859471 -0.006995 -0.601538 -0.410391
2  0.101494  1.031941  0.499288  0.804391 -0.224750 -0.778403