{"id":4160,"date":"2023-07-13T04:41:09","date_gmt":"2023-07-13T04:41:09","guid":{"rendered":"https:\/\/statorials.org\/id\/panda-terpenuhi-dengan-syarat\/"},"modified":"2023-07-13T04:41:09","modified_gmt":"2023-07-13T04:41:09","slug":"panda-terpenuhi-dengan-syarat","status":"publish","type":"post","link":"https:\/\/statorials.org\/id\/panda-terpenuhi-dengan-syarat\/","title":{"rendered":"Pandas: cara menggunakan ffill berdasarkan kondisi"},"content":{"rendered":"

<\/p>\n

\n

Anda dapat menggunakan sintaks dasar berikut untuk menggunakan fungsi ffill()<\/strong> di panda untuk meneruskan nilai pengisian berdasarkan kondisi di kolom lain:<\/span><\/p>\n

 df[' sales<\/span> '] = df. groupby<\/span> (' store<\/span> ')[' sales<\/span> ']. ffill<\/span> ()\n<\/strong><\/pre>\n
 Contoh khusus ini akan meneruskan nilai isian di kolom penjualan<\/strong> hanya jika nilai sebelumnya di kolom toko<\/strong> sama dengan nilai saat ini di kolom toko<\/strong> .<\/span><\/p>\n
 Contoh berikut menunjukkan cara menggunakan sintaksis ini dalam praktiknya.<\/span><\/p>\n
 Contoh: Gunakan ffill berdasarkan kondisi di Pandas<\/strong><\/span><\/h2>\n
 Misalkan kita memiliki pandas DataFrame berikut yang berisi informasi tentang total penjualan yang dilakukan oleh dua toko ritel berbeda selama empat kuartal bisnis:<\/span><\/p>\n
 import<\/span> pandas as<\/span> pd\nimport<\/span> numpy as<\/span> np\n\n#createDataFrame\n<\/span>df = pd. DataFrame<\/span> ({' store<\/span> ': ['A', 'A', 'B', 'A', 'B', 'A', 'B', 'B'],\n                   ' quarter<\/span> ': [1, 2, 1, 3, 2, 4, 3, 4],\n                   ' sales<\/span> ': [12, 22, 30, np.nan, 24, np.nan, np.nan, np.nan]})\n\n#view DataFrame\n<\/span>print<\/span> (df)\n\n  store quarter sales\n0 A 1 12.0\n1 to 2 22.0\n2 B 1 30.0\n3 to 3 NaN\n4 B 2 24.0\n5 A 4 NaN\n6 B 3 NaN\n7 B 4 NaN<\/strong><\/pre>\n
 Perhatikan bahwa ada beberapa nilai NaN di kolom Penjualan<\/strong> .<\/span><\/p>\n
 Katakanlah kita ingin mengisi nilai NaN ini menggunakan nilai sebelumnya di kolom Penjualan<\/strong> , namun ingin memastikan nilainya sesuai dengan penyimpanan yang benar.<\/span><\/p>\n
 Kita dapat menggunakan sintaks berikut untuk melakukan ini:<\/span><\/p>\n
 #group by store and forward fill values in sales column<\/span>\ndf[' sales<\/span> '] = df. groupby<\/span> (' store<\/span> ')[' sales<\/span> ']. ffill<\/span> ()\n\n#view updated DataFrame<\/span>\nprint<\/span> (df)\n\n  store quarter sales\n0 A 1 12.0\n1 to 2 22.0\n2 B 1 30.0\n3 A 3 22.0\n4 B 2 24.0\n5 A 4 22.0\n6 B 3 24.0\n7 B 4 24.0\n<\/strong><\/pre>\n
 Perhatikan bahwa nilai NaN di kolom Penjualan<\/strong> telah diganti dengan nilai Penjualan sebelumnya dan nilainya sesuai dengan penyimpanan yang benar.<\/span><\/p>\n
 Misalnya:<\/span><\/p>\n