Pandas : comment utiliser ffill en fonction de la condition

Vous pouvez utiliser la syntaxe de base suivante pour utiliser la fonction ffill() dans pandas afin de transmettre des valeurs de remplissage en fonction d’une condition dans une autre colonne :

df['sales'] = df.groupby('store')['sales'].ffill()

Cet exemple particulier transmettra les valeurs de remplissage dans la colonne des ventes uniquement si la valeur précédente dans la colonne du magasin est égale à la valeur actuelle dans la colonne du magasin .

L’exemple suivant montre comment utiliser cette syntaxe dans la pratique.

Exemple : utiliser ffill en fonction de la condition dans Pandas

Supposons que nous ayons le DataFrame pandas suivant qui contient des informations sur les ventes totales réalisées par deux magasins de détail différents au cours de quatre trimestres commerciaux :

import pandas as pd
import numpy as np

#create DataFrame
df = pd.DataFrame({'store': ['A', 'A', 'B', 'A', 'B', 'A', 'B', 'B'],
                   'quarter': [1, 2, 1, 3, 2, 4, 3, 4],
                   'sales': [12, 22, 30, np.nan, 24, np.nan, np.nan, np.nan]})

#view DataFrame
print(df)

  store  quarter  sales
0     A        1   12.0
1     A        2   22.0
2     B        1   30.0
3     A        3    NaN
4     B        2   24.0
5     A        4    NaN
6     B        3    NaN
7     B        4    NaN

Notez qu’il existe plusieurs valeurs NaN dans la colonne des ventes .

Supposons que nous souhaitons remplir ces valeurs NaN en utilisant la valeur précédente dans la colonne des ventes , mais que nous voulons nous assurer que les valeurs correspondent au bon magasin.

Nous pouvons utiliser la syntaxe suivante pour ce faire :

#group by store and forward fill values in sales column
df['sales'] = df.groupby('store')['sales'].ffill()

#view updated DataFrame
print(df)

  store  quarter  sales
0     A        1   12.0
1     A        2   22.0
2     B        1   30.0
3     A        3   22.0
4     B        2   24.0
5     A        4   22.0
6     B        3   24.0
7     B        4   24.0

Notez que les valeurs NaN dans la colonne des ventes ont été remplacées par la valeur des ventes précédente et que les valeurs correspondent au bon magasin.

Par exemple:

• La valeur NaN dans la position 3 de l’index de ligne a été remplacée par la valeur 22 , qui était la valeur la plus récente dans la colonne des ventes correspondant au magasin A.
• La valeur NaN dans la position 6 de l’index de ligne a été remplacée par la valeur 24 , qui était la valeur la plus récente dans la colonne des ventes correspondant au magasin B.

Et ainsi de suite.

Remarque : Vous pouvez trouver la documentation complète de la fonction pandas ffill() ici .

Ressources additionnelles

Les didacticiels suivants expliquent comment effectuer d’autres opérations courantes dans les pandas :

Comment compter les valeurs manquantes chez les pandas
Comment supprimer des lignes avec des valeurs NaN dans Pandas
Comment supprimer des lignes contenant une valeur spécifique dans Pandas