关于特定列的逐行填充？

Question

我有下面的pandas数据框，我想用D列中的值以行方式填充A-C列中的nan。有没有一种明确的方法可以定义所有的nan都应该依赖D列中的值？我在fillna（）中找不到显式执行此操作的方法。

请注意，还有一些附加的列E-Z有自己的nan，并且可能有其他填充nan的规则，应该保持不动。

A        B        C        D       E
158      158      158      177     ...  
158      158      158      177     ...
NaN      NaN      NaN      177     ...   
158      158      158      177     ...
NaN      NaN      NaN      177     ...  

希望仅对列A-C使用此选项：

A        B        C        D       E
158      158      158      177     ...  
158      158      158      177     ...
177      177      177      177     ...   
158      158      158      177     ...
177      177      177      177     ...  

谢谢。

Answer 1

使用fillna函数：

df.fillna(axis=1, method='backfill')

如果其他列中没有NaN，则执行此操作。
如果存在并且您想让它们保持不变，我认为这样做的唯一选择是在数据帧的子集上执行fillna。使用示例数据帧：

In [45]: df
Out[45]: 
     A    B    C    D   E   F
0  158  158  158  177   1  10
1  158  158  158  177   2  20
2  NaN  NaN  NaN  177   3  30
3  158  158  158  177 NaN  40
4  NaN  NaN  NaN  177   5  50

In [48]: df[['A', 'B', 'C', 'D']] = df[['A', 'B', 'C', 'D']].fillna(axis=1, method='backfill')

In [49]: df
Out[49]: 
     A    B    C    D   E   F
0  158  158  158  177   1  10
1  158  158  158  177   2  20
2  177  177  177  177   3  30
3  158  158  158  177 NaN  40
4  177  177  177  177   5  50

---

Udate:如果不想依赖列顺序，还可以指定要用于填充每一行的值（例如.fillna(value=df['D']）。唯一的问题是，这只适用于序列（当它是数据帧时，它会尝试将不同的值映射到不同的列，而不是行）。因此，使用apply to do it column by column，它可以：

In [60]: df[['A', 'B', 'C']].apply(lambda x: x.fillna(value=df['D']))
Out[60]: 
     A    B    C
0  158  158  158
1  158  158  158
2  177  177  177
3  158  158  158
4  177  177  177