如果行具有相同的“A列”值，则用最后一个已知值填充空的“B列”单元格

Question

我对Python和数据科学非常陌生。你知道吗

我有一个大的数据集（有100K+行），在这个数据集中我有两列A和B。A是Datetime列，B是字符串。你知道吗

B列有一些NaN值，我想用最新的已知B列值填充这些NaN值，假设我的空B列行和已经填充的B列行在同一天、月和年（A列）。你知道吗

让我解释一下我自己：

假设这是我的意见：

df=pd.DataFrame({'A': ["2019-03-13 08:12:23", "2019-03-13 07:10:18", "2019-03-20 08:12:23", "2019-03-13 08:12:23", "2019-03-15 10:35:53", "2019-03-20 11:12:23"], 'B': ["B1", "B0", "B13", np.nan, "B10", "B12"]})
                     A    B
0  2019-03-13 08:12:23   B1
1  2019-03-13 07:10:18   B0
2  2019-03-20 08:12:23  B13
3  2019-03-13 08:12:23  NaN
4  2019-03-15 10:35:53  B10
5  2019-03-20 11:12:23  B12

我想用B1填充NaN值（B值发生在同一天并且具有最大时间，前提是这个“最大时间”不在实际的A列值之前）。你知道吗

所以我的输出应该是这样的：

                     A    B
0  2019-03-13 08:12:23   B1
1  2019-03-13 07:10:18   B0
2  2019-03-20 08:12:23  B13
3  2019-03-13 08:12:23   B1
4  2019-03-15 10:35:53  B10
5  2019-03-20 11:12:23  B12

我试图实现这一点，但没有成功，我所能做的就是利用以下方法使B13具有NaN价值：

df['B']=df['B'].replace({'B': {0: np.nan}}).ffill()

你们能告诉我实现这一目标的最简单最经济的方法是什么吗？你知道吗

Answer 1

试试groupby().idxmax()：

max_val = df.loc[df['A'].groupby(df['A'].dt.date).transform('idxmax'),'B'].values

df['B'] = np.where(df['B'].isna(), max_val, df['B'])

输出：

                    A    B
0 2019-03-13 08:12:23   B1
1 2019-03-13 07:10:18   B0
2 2019-03-20 08:12:23  B13
3 2019-03-13 08:12:23   B1
4 2019-03-15 10:35:53  B10
5 2019-03-20 11:12:23  B12

Answer 2

使用groupby+ffill

as_date = pd.to_datetime(df.A)
s = np.argsort(as_date)

df['B'] = df.B.loc[s].groupby(as_date.loc[s].dt.date).ffill().loc[df.index]

---

                     A    B
0  2019-03-13 08:12:23   B1
1  2019-03-13 07:10:18   B0
2  2019-03-20 08:12:23  B13
3  2019-03-13 08:12:23   B1
4  2019-03-15 10:35:53  B10
5  2019-03-20 11:12:23  B12

Answer 3

您的任务可以使用以下一行程序执行：

df.B = df.sort_values('A').groupby(pd.to_datetime(df.A).dt.date).B.ffill()