Метод bfill

Метод bfill применяется к DataFrame и заполняет пропущенные значения значениями из следующих строк. По умолчанию заполнение происходит по столбцам, но можно указать заполнение по строкам с помощью параметра axis. Метод возвращает новый объект DataFrame с заполненными пропусками.

Синтаксис

df.bfill([axis], [inplace], [limit], [downcast])

Пример

Давайте заполним пропуски в таблице значениями из следующих строк:

import pandas as pd
import numpy as np

df = pd.DataFrame({
	'a': [1, np.nan, 3, np.nan, 5],
	'b': [10, 20, np.nan, 40, 50]
})
print(df.bfill())

Результат выполнения кода:

 a	 b
		0  1.0  10.0
		1  3.0  20.0
		2  3.0  40.0
		3  5.0  40.0
		4  5.0  50.0

Пример

Давайте выполним обратное заполнение по строкам, передав параметр axis со значением 1:

import pandas as pd
import numpy as np

df = pd.DataFrame({
	'a': [1, np.nan, 3],
	'b': [np.nan, 20, 30],
	'c': [100, 200, np.nan]
})
print(df.bfill(axis=1))

Результат выполнения кода:

 a	 b	  c
		0  1.0   NaN  100.0
		1  20.0  20.0  200.0
		2  3.0  30.0   NaN

Пример

Давайте ограничим количество заполняемых пропусков с помощью параметра limit:

import pandas as pd
import numpy as np

df = pd.DataFrame({
	'a': [1, np.nan, np.nan, 4, 5],
	'b': [10, 20, np.nan, 40, 50]
})
print(df.bfill(limit=1))

Результат выполнения кода:

 a	 b
		0  1.0  10.0
		1  4.0  20.0
		2  NaN  40.0
		3  4.0  40.0
		4  5.0  50.0

Пример

Давайте изменим исходную таблицу с помощью параметра inplace:

import pandas as pd
import numpy as np

df = pd.DataFrame({
	'a': [1, np.nan, 3, np.nan, 5],
	'b': [10, 20, np.nan, 40, 50]
})
df.bfill(inplace=True)
print(df)

Результат выполнения кода:

 a	 b
		0  1.0  10.0
		1  3.0  20.0
		2  3.0  40.0
		3  5.0  40.0
		4  5.0  50.0

Смотрите также

метод fillna,
который заполняет пропуски указанными значениями
метод ffill,
который выполняет прямое заполнение пропусков
метод dropna,
который удаляет строки или столбцы с пропусками
метод interpolate,
который интерполирует пропущенные значения