Python Pandas dataframe.ffill()

Python是一种进行数据分析的伟大语言，主要是因为以数据为中心的Python软件包的奇妙生态系统。
Pandas
就是这些包中的一个，它使导入和分析数据更加容易。

Pandas
dataframe.fill() 函数被用来填补数据框架中的缺失值。ffill "代表 "向前填充"，将向前传播最后一个有效的观察值。

语法:
DataFrame.ffill(axis=None, inplace=False, limit=None, downcast=None)

参数:

axis：
{0，索引1，列}。

inplace :
如果为真，就地填充。注意：这将修改这个对象上的任何其他视图，（例如，在 DataFrame 中的一个列的无复制切片）。

limit :
如果指定了方法，这就是向前/向后填充连续NaN值的最大数量。换句话说，如果有一个缺口的连续NaN值超过这个数量，它将只被部分填补。如果没有指定方法，这是沿整个 axis 的最大条目数，其中NaN将被填充。如果不是无，必须大于0。

Downcast:
item->dtype的一个dict，如果可能的话，要进行下转换，或者字符串'infer'，它将尝试下转换到一个适当的等价类型（例如，如果可能的话，float64到int64）。

返回 :
filled : DataFrame

示例#1：
使用fill()函数沿索引axis填充缺失的数值。

注意：
当fill()被应用于整个索引时，那么任何缺失的值都会根据前一行的相应值来填补。

# importing pandas as pd
import pandas as pd
 
# Creating the dataframe
df=pd.DataFrame({"A":[5,3,None,4],
                 "B":[None,2,4,3],
                 "C":[4,3,8,5],
                 "D":[5,4,2,None]})
 
# Print the dataframe
df

")

让我们在索引axis上填补缺失的值

# applying ffill() method to fill the missing values
df.ffill(axis = 0)

输出 :

")

注意，第一行的值仍然是NaN值，因为上面没有可以传播非NA值的行。

示例#2：
使用fill()函数沿列axis填充缺失的数值。

注意：
当fill被应用于整个列axis时，那么缺失的值会被同一行的前一列的值所填补。

# importing pandas as pd
import pandas as pd
 
# Creating the dataframe
df=pd.DataFrame({"A":[5,3,None,4],
                 "B":[None,2,4,3],
                 "C":[4,3,8,5],
                 "D":[5,4,2,None]})
 
# Print the dataframe
df

")

让我们在列axis上填补缺失的值

# applying ffill() method to fill the missing values
df.ffill(axis = 1)

输出 :

")

注意，第一列的值是NaN值，因为没有单元格留给它，所以这个单元格不能用前面的单元格值沿列axis填充。