【Pandas】pandas Series ffill

Pandas2.2 Series

Computations descriptive stats

方法	描述
Series.backfill(*[, axis, inplace, limit, …])	用于填充 `Series` 中缺失值（NaN）的方法
Series.bfill(*[, axis, inplace, limit, …])	用于填充 `Series` 中缺失值（NaN）的方法
Series.dropna(*[, axis, inplace, how, …])	用于删除 `Series` 中包含缺失值（NaN）的元素的方法
Series.ffill(*[, axis, inplace, limit, …])	用于填充 `Series` 中缺失值（NaN）的方法

pandasSeriesffill_11">pandas.Series.ffill

pandas.Series.ffill 是用于填充 Series 中缺失值（NaN）的方法，它会用前面最近的有效观测值来填充当前的缺失值。该方法等价于 Series.fillna(method='ffill')。

参数说明

axis：{0或’index’}，默认为0。表示沿哪个轴进行操作。对于 Series 来说，这个参数通常不需要设置。
inplace：布尔值，默认为 False。如果为 True，则就地修改原 Series，否则返回一个新的 Series。
limit：整数，默认为 None。指定最大连续填充个数，超过此限制的缺失值将不被填充。
limit_area：可选，默认为 None。指定填充区域，可以是 ‘inside’ 或 ‘outside’，用于控制填充范围。
downcast：可选，默认为 <no_default>。用于向下转换数据类型，例如从浮点型转换为整型。

示例及结果

示例1：基本用法

import pandas as pd
import numpy as np# 创建一个包含缺失值的 Series
s = pd.Series([1, np.nan, np.nan, 4, 5, np.nan, 7])
print("原始 Series:")
print(s)# 使用 ffill 方法填充缺失值
filled_s = s.ffill()
print("\n填充后的 Series (使用 ffill):")
print(filled_s)

输出结果：

原始 Series:
0    1.0
1    NaN
2    NaN
3    4.0
4    5.0
5    NaN
6    7.0
dtype: float64填充后的 Series (使用 ffill):
0    1.0
1    1.0
2    1.0
3    4.0
4    5.0
5    5.0
6    7.0
dtype: float64

示例2：使用 `inplace` 参数

# 创建一个包含缺失值的 Series
s_inplace = pd.Series([1, np.nan, np.nan, 4, 5, np.nan, 7])
print("原始 Series:")
print(s_inplace)# 使用 ffill 方法并设置 inplace=True
s_inplace.ffill(inplace=True)
print("\n填充后的 Series (使用 ffill 并设置 inplace=True):")
print(s_inplace)

输出结果：

原始 Series:
0    1.0
1    NaN
2    NaN
3    4.0
4    5.0
5    NaN
6    7.0
dtype: float64填充后的 Series (使用 ffill 并设置 inplace=True):
0    1.0
1    1.0
2    1.0
3    4.0
4    5.0
5    5.0
6    7.0
dtype: float64

示例3：使用 `limit` 参数

# 创建一个包含缺失值的 Series
s_limit = pd.Series([1, np.nan, np.nan, 4, 5, np.nan, np.nan, 8])
print("原始 Series:")
print(s_limit)# 使用 ffill 方法并设置 limit=1
filled_s_limit = s_limit.ffill(limit=1)
print("\n填充后的 Series (使用 ffill 并设置 limit=1):")
print(filled_s_limit)

输出结果：

原始 Series:
0    1.0
1    NaN
2    NaN
3    4.0
4    5.0
5    NaN
6    NaN
7    8.0
dtype: float64填充后的 Series (使用 ffill 并设置 limit=1):
0    1.0
1    1.0
2    NaN
3    4.0
4    5.0
5    5.0
6    NaN
7    8.0
dtype: float64

示例4：使用 `limit_area` 参数

# 创建一个包含缺失值的 Series
s_limit_area = pd.Series([1, np.nan, np.nan, 4, 5, np.nan, np.nan, 8, np.nan])
print("原始 Series:")
print(s_limit_area)# 使用 ffill 方法并设置 limit_area='inside'
filled_s_limit_area_inside = s_limit_area.ffill(limit=2, limit_area='inside')
print("\n填充后的 Series (使用 ffill 并设置 limit=2 和 limit_area='inside'):")
print(filled_s_limit_area_inside)# 使用 ffill 方法并设置 limit_area='outside'
filled_s_limit_area_outside = s_limit_area.ffill(limit=2, limit_area='outside')
print("\n填充后的 Series (使用 ffill 并设置 limit=2 和 limit_area='outside'):")
print(filled_s_limit_area_outside)

输出结果：

原始 Series:
0    1.0
1    NaN
2    NaN
3    4.0
4    5.0
5    NaN
6    NaN
7    8.0
8    NaN
dtype: float64填充后的 Series (使用 ffill 并设置 limit=2 和 limit_area='inside'):
0    1.0
1    1.0
2    1.0
3    4.0
4    5.0
5    5.0
6    5.0
7    8.0
8    NaN
dtype: float64填充后的 Series (使用 ffill 并设置 limit=2 和 limit_area='outside'):
0    1.0
1    1.0
2    NaN
3    4.0
4    5.0
5    NaN
6    NaN
7    8.0
8    8.0
dtype: float64

通过这些示例，可以看到 ffill 方法在不同参数下的使用方式及其效果。特别是 limit 和 limit_area 参数可以更灵活地控制填充行为，从而更好地处理缺失值。