在pandas中，人们似乎想要做的一件常见的事情是用下一个或前一个None值替换None值.使用.fillna很容易做到这一点.然而，我想做一些类似但不同的事情.
我有一个数据帧，df，有一些条目.每一行都有不同数量的条目，并且它们都是"向左调整的"(如果df是10列宽，并且某行有n<10个条目，则前n列保存条目，其余列是None).
我想要做的是找到每一行中最后一个非None的条目，并将其更改为None.这可以是从第一列到最后一列中的任何一列.
当然，我可以用for-loop来做这件事，但我的df可以相当大，所以更快的会更好.有什么主意吗？
谢谢!
在NumPy的帮助下，这相当容易.通过对每一行中的None进行计数，可以为每一行找到具有最后一个非None值的列.然后使用Numpy将该值更改为None:
data = np.random.random((6,10))
df = pd.DataFrame(data)
df.iloc[0, 7:] = None
df.iloc[1, 6:] = None
df.iloc[2, 5:] = None
df.iloc[3, 8:] = None
df.iloc[4, 5:] = None
df.iloc[5, 4:] = None
原始数据帧如下所示:
0 1 2 3 4 5
0 0.992337 0.651785 0.521422 NaN NaN NaN
1 0.912962 0.292458 0.620195 0.507071 0.010205 NaN
2 0.061320 0.565979 0.344755 NaN NaN NaN
3 0.521936 0.057917 0.359699 0.484009 NaN NaN
isnull = df.isnull()
col = data.shape[1] - isnull.sum(axis = 1) - 1
df.values[range(len(df)), col] = None
更新后的数据帧如下所示:
0 1 2 3 4 5
0 0.992337 0.651785 NaN NaN NaN NaN
1 0.912962 0.292458 0.620195 0.507071 NaN NaN
2 0.061320 0.565979 NaN NaN NaN NaN
3 0.521936 0.057917 0.359699 NaN NaN NaN