pandas去掉缺失数据 Pandas 中的缺失值填充

在写例子的时候，我使用了缺失值的填充，所以我想使用方法参数并传入'ffill'来实现。

但我发现这种填充方式并不完全是我想要的。

经过仔细的实验​​，我发现有一些需要注意的地方。

fill_test = Series([111, 222, 533, 644, 299], index=[1, 2, 3, 7, 11])
print(fill_test)
fill_test_1 = fill_test.reindex(index=[1, 2, 3, 7, 11, 4], method='ffill')
print(fill_test_1)
fill_test_1[4] = 555
print(fill_test_1)
fill_test_2 = fill_test_1.sort_index().reindex(index=[1, 2, 3, 8], method='ffill')
print(fill_test_2)
fill_test_3 = fill_test_1.sort_index().reindex(index=[1, 2, 3, 8], method='nearest')
print(fill_test_3)    
fill_test_4 = fill_test_1.sort_index().reindex(index=[1, 2, 3, 9], method='nearest')
print(fill_test_4)

如上所述，您需要确保原始数据的索引是单调递增的。 （该值不影响）

当您在第二步中添加 4 时，您更改了此属性。

所以如果要修改索引，就需要一个sort_index()。

如果重新索引时，填写的索引不是单调递增的，还需要使用sort_index()来保证排序。

另外pandas去掉缺失数据，补充的值是基于你原始数据集中的前向填充，即第四步中8对应的值是原始数据中7对应的填充pandas去掉缺失数据，而不是复制的数据对应的数据3.

第五步，最近法实现最接近填充。 原始数据中，有索引7和索引11的数据，此时索引8和9的值被填充，可以看到前一个。 显然，后者使用的是索引为11的数据。

多于。

参考：