【Pandas】pandas Series ffill
Pandas2.2 Series
Computations descriptive stats
| 方法 | 描述 |
|---|---|
| Series.backfill(*[, axis, inplace, limit, …]) | 用于填充 Series 中缺失值（NaN）的方法 |
| Series.bfill(*[, axis, inplace, limit, …]) | 用于填充 Series 中缺失值（NaN）的方法 |
| Series.dropna(*[, axis, inplace, how, …]) | 用于删除 Series 中包含缺失值（NaN）的元素的方法 |
| Series.ffill(*[, axis, inplace, limit, …]) | 用于填充 Series 中缺失值（NaN）的方法 |
pandas.Series.ffill
pandas.Series.ffill 是用于填充 Series 中缺失值（NaN）的方法，它会用前面最近的有效观测值来填充当前的缺失值。该方法等价于 Series.fillna(method='ffill')。
参数说明
- axis：{0或’index’}，默认为0。表示沿哪个轴进行操作。对于
Series来说，这个参数通常不需要设置。 - inplace：布尔值，默认为
False。如果为True，则就地修改原Series，否则返回一个新的Series。 - limit：整数，默认为
None。指定最大连续填充个数，超过此限制的缺失值将不被填充。 - limit_area：可选，默认为
None。指定填充区域，可以是 ‘inside’ 或 ‘outside’，用于控制填充范围。 - downcast：可选，默认为
示例及结果
示例1：基本用法
import pandas as pd
import numpy as np
# 创建一个包含缺失值的 Series
s = pd.Series([1, np.nan, np.nan, 4, 5, np.nan, 7])
print("原始 Series:")
print(s)
# 使用 ffill 方法填充缺失值
filled_s = s.ffill()
print("\n填充后的 Series (使用 ffill):")
print(filled_s)
输出结果：
原始 Series:
0 1.0
1 NaN
2 NaN
3 4.0
4 5.0
5 NaN
6 7.0
dtype: float64
填充后的 Series (使用 ffill):
0 1.0
1 1.0
2 1.0
3 4.0
4 5.0
5 5.0
6 7.0
dtype: float64
示例2：使用 inplace 参数
# 创建一个包含缺失值的 Series
s_inplace = pd.Series([1, np.nan, np.nan, 4, 5, np.nan, 7])
print("原始 Series:")
print(s_inplace)
# 使用 ffill 方法并设置 inplace=True
s_inplace.ffill(inplace=True)
print("\n填充后的 Series (使用 ffill 并设置 inplace=True):")
print(s_inplace)
输出结果：
原始 Series:
0 1.0
1 NaN
2 NaN
3 4.0
4 5.0
5 NaN
6 7.0
dtype: float64
填充后的 Series (使用 ffill 并设置 inplace=True):
0 1.0
1 1.0
2 1.0
3 4.0
4 5.0
5 5.0
6 7.0
dtype: float64
示例3：使用 limit 参数
# 创建一个包含缺失值的 Series
s_limit = pd.Series([1, np.nan, np.nan, 4, 5, np.nan, np.nan, 8])
print("原始 Series:")
print(s_limit)
# 使用 ffill 方法并设置 limit=1
filled_s_limit = s_limit.ffill(limit=1)
print("\n填充后的 Series (使用 ffill 并设置 limit=1):")
print(filled_s_limit)
输出结果：
原始 Series:
0 1.0
1 NaN
2 NaN
3 4.0
4 5.0
5 NaN
6 NaN
7 8.0
dtype: float64
填充后的 Series (使用 ffill 并设置 limit=1):
0 1.0
1 1.0
2 NaN
3 4.0
4 5.0
5 5.0
6 NaN
7 8.0
dtype: float64
示例4：使用 limit_area 参数
# 创建一个包含缺失值的 Series
s_limit_area = pd.Series([1, np.nan, np.nan, 4, 5, np.nan, np.nan, 8, np.nan])
print("原始 Series:")
print(s_limit_area)
# 使用 ffill 方法并设置 limit_area='inside'
filled_s_limit_area_inside = s_limit_area.ffill(limit=2, limit_area='inside')
print("\n填充后的 Series (使用 ffill 并设置 limit=2 和 limit_area='inside'):")
print(filled_s_limit_area_inside)
# 使用 ffill 方法并设置 limit_area='outside'
filled_s_limit_area_outside = s_limit_area.ffill(limit=2, limit_area='outside')
print("\n填充后的 Series (使用 ffill 并设置 limit=2 和 limit_area='outside'):")
print(filled_s_limit_area_outside)
输出结果：
原始 Series:
0 1.0
1 NaN
2 NaN
3 4.0
4 5.0
5 NaN
6 NaN
7 8.0
8 NaN
dtype: float64
填充后的 Series (使用 ffill 并设置 limit=2 和 limit_area='inside'):
0 1.0
1 1.0
2 1.0
3 4.0
4 5.0
5 5.0
6 5.0
7 8.0
8 NaN
dtype: float64
填充后的 Series (使用 ffill 并设置 limit=2 和 limit_area='outside'):
0 1.0
1 1.0
2 NaN
3 4.0
4 5.0
5 NaN
6 NaN
7 8.0
8 8.0
dtype: float64
通过这些示例，可以看到 ffill 方法在不同参数下的使用方式及其效果。特别是 limit 和 limit_area 参数可以更灵活地控制填充行为，从而更好地处理缺失值。