假设我有一个包含大约100,000行和50列的数据集. 我有关于卖家和他们产品的信息.数据集的部分将以某种方式如下所示:
| seller_id | product_id | seller_is_checked | size | color |
|---|---|---|---|---|
| A100 | UN76UH | 1 | uni size | red |
| B200 | HJHLI90 | 0 | small | blue |
| C300 | UUKB89 | 0 | large | green |
| <...> | <...> | <...> | <...> | <...> |
| A100 | BxYJHG | NA | medium | purple |
| AXYZ215 | HHIOTY | 1 | large | unknown |
在表格中，你可以看到至少有两个seller_id，因为这些卖家有几种产品.然而，这次在输入seller_is_checked次是否失踪的数据和信息时出现了错误.
在Python/Pandas中有没有一个函数可以帮助查看数据集，并用相同数据集中的实际值替换缺失的值？
一种可能的解决方案，其基于向下填充然后向上填充缺失值的思想，每个seller_id人组(pandas.DataFrame.ffill和pandas.DataFrame.bfill人)中的有效观察值:
df.seller_is_checked = df.groupby('seller_id')['seller_is_checked'].ffill().bfill()
print(df)
输出:
seller_id product_id seller_is_checked size color
0 A100 UN76UH 1.0 uni size red
1 B200 HJHLI90 0.0 small blue
2 C300 UUKB89 0.0 large green
3 A100 BxYJHG 1.0 medium purple
4 AXYZ215 HHIOTY 1.0 large unknown