pandas.DataFrame.ffill

DataFrame.ffill(*, axis=None, inplace=False, limit=None, limit_area=None, downcast=_NoDefault.no_default)

使用最后一个有效观测值传播NA/NaN值。

Parameters:

axisSeries 为 {0 或 ‘index’}，DataFrame 为 {0 或 ‘index’, 1 或 ‘columns’}

填充缺失值的轴。对于 Series，此参数未使用，默认为 0。

inplacebool，默认 False

如果为 True，则就地填充。注意：这将修改该对象的任何其他视图（例如 DataFrame 中列的无复制切片）。

<strong>limit</strong>int，默认 None

如果指定了 method，则这是向前/向后填充的连续 NaN 值的最大数量。换句话说，如果存在超过此数量连续 NaN 的间隙，则只会部分填充。如果未指定 method，则这是在整个轴上填充 NaN 的条目的最大数量。如果不是 None，则必须大于 0。

limit_area : {None, ‘inside’, ‘outside’}，默认为 None{None, ‘inside’, ‘outside’}, default None

如果指定了 limit，连续的 NaNs 将根据此限制进行填充。

• None：无填充限制。

• ‘inside’：仅填充被有效值包围的 NaN（插值）。

• ‘outside’：仅填充有效值之外的 NaN（外插）。

在 2.2.0 版本加入.

downcastdict，默认为 None

一个 {项目->dtype} 的字典，用于在可能的情况下向下转换，或者字符串 ‘infer’，它将尝试向下转换为合适的等效类型（例如，如果可能，float64 转换为 int64）。

自 2.2.0 版本弃用.

Returns:

Series/DataFrame 或 None

已填充缺失值的对象，如果 inplace=True 则为 None。

Examples

>>> df = pd.DataFrame([[np.nan, 2, np.nan, 0],
...                    [3, 4, np.nan, 1],
...                    [np.nan, np.nan, np.nan, np.nan],
...                    [np.nan, 3, np.nan, 4]],
...                   columns=list("ABCD"))
>>> df
     A    B   C    D
0  NaN  2.0 NaN  0.0
1  3.0  4.0 NaN  1.0
2  NaN  NaN NaN  NaN
3  NaN  3.0 NaN  4.0

>>> df.ffill()
     A    B   C    D
0  NaN  2.0 NaN  0.0
1  3.0  4.0 NaN  1.0
2  3.0  4.0 NaN  1.0
3  3.0  3.0 NaN  4.0

>>> ser = pd.Series([1, np.nan, 2, 3])
>>> ser.ffill()
0   1.0
1   1.0
2   2.0
3   3.0
dtype: float64