Python Pandas dataframe.bfill()

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变得更加容易。

Pandas dataframe.bfill()用于向后填充数据集中的缺失值。它将向后填补pandas数据框中存在的NaN值。

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

参数:
axis：‘行’或’列’。
inplace : boolean, default False
limit :整数值，要填充的连续na单元格的数量。

示例#1：使用bfill()函数来填充数据框架中跨行的缺失值na值。

# importing pandas as pd
import pandas as pd
  
# Creating a dataframe with "na" values.
  
df = pd.DataFrame({"A":[None, 1, 2, 3, None, None], 
                   "B":[11, 5, None, None, None, 8],
                   "C":[None, 5, 10, 11, None, 8]})
  
# Printing the dataframe
df

当 axis=’rows’ 时，当前 na 单元格中的值将从下一行的相应值中填充。如果下一行也是na值，那么它将不会被填充。

# Fill across the row
df.bfill(axis ='rows')

输出 :

示例#2：使用bfill()函数来填充数据框架中跨列的缺失值na值。

当axis=’columns’时，那么当前的na单元格将由同一行中下一列的值来填充。如果下一列也是na单元格，那么它将不会被填充。

# importing pandas as pd
import pandas as pd
  
# Creating a dataframe with "na" values.
  
df = pd.DataFrame({"A":[None, 1, 2, 3, None, None],
                   "B":[11, 5, None, None, None, 8],
                   "C":[None, 5, 10, 11, None, 8]})
  
# bfill values using values from next column
df.bfill(axis ='columns')

输出 :

注意第四行。所有的值都是na，因为最右边的单元格原来是na，而且它的右边没有单元格可以填充自己。所以，它不能把前面的na单元格也填充进去。