【Pandas】pandas DataFrame bfill-CSDN博客

本文链接：https://blog.csdn.net/weixin_39648905/article/details/148426914

Pandas2.2 DataFrame

Missing data handling

方法	描述
DataFrame.fillna([value, method, axis, …])	用于填充 DataFrame 中的缺失值（NaN）
DataFrame.backfill(*[, axis, inplace, …])	用于使用后向填充（即“下一个有效观测值”）来填补缺失值（NaN）的方法
DataFrame.bfill(*[, axis, inplace, limit, …])	用于使用后向填充（即“下一个有效观测值”）来填补缺失值（NaN）的方法

`pandas.DataFrame.bfill()`

pandas.DataFrame.bfill() 是一个用于**使用后向填充（即“下一个有效观测值”）来填补缺失值（NaN）**的方法。它与 backfill() 完全相同，也等价于 fillna(method='bfill')，但支持额外的参数如 limit_area。

📌 方法签名

DataFrame.bfill(*, axis=None, inplace=False, limit=None, limit_area=None, downcast=<no_default>)

🔧 参数说明

参数	类型	说明
`axis`	`{0/'index', 1/'columns'}`，默认为 `None`	指定填充方向： - `0` 或 `'index'`：按行方向（向下）填充 - `1` 或 `'columns'`：按列方向（向右）填充
`inplace`	`bool`，默认 `False`	是否在原对象上修改
`limit`	`int`，可选	最多连续填充的 NaN 数量；若未指定，则全部填充
`limit_area`	`'inside'` 或 `'outside'`，可选	控制填充区域： - `'inside'`：仅填充被非空包围的 NaN 区域 - `'outside'`：填充边缘的 NaN
`downcast`	`dict` 或 `'infer'`，可选	控制是否尝试将结果转换为更小的数据类型（如 float64 → float32）

✅ 返回值

返回一个新的 DataFrame，其中的 NaN 值被后向填充；
如果 inplace=True，则返回 None，原始数据被修改。

🧪 示例代码及结果

示例 1：基本用法 - 行方向后向填充（axis=0）

import pandas as pd
import numpy as np

df = pd.DataFrame({
    'A': [1, np.nan, 3, np.nan, 5],
    'B': [np.nan, 2, np.nan, 4, np.nan]
})

print("Original DataFrame:")
print(df)

# 使用 bfill 按行方向填充
df_bfilled = df.bfill()
print("\nAfter bfill():")
print(df_bfilled)

输出结果：

Original DataFrame:
     A    B
0  1.0  NaN
1  NaN  2.0
2  3.0  NaN
3  NaN  4.0
4  5.0  NaN

After bfill():
     A    B
0  1.0  2.0
1  3.0  2.0
2  3.0  4.0
3  5.0  4.0
4  5.0  NaN

注意最后一行 B 列仍为 NaN，因为没有后续值可用。

示例 2：限制最大填充数量（limit=1）

# 设置最多填充 1 个连续 NaN
df_limited = df.bfill(limit=1)
print("\nAfter bfill(limit=1):")
print(df_limited)

输出结果：

After bfill(limit=1):
     A    B
0  1.0  2.0
1  3.0  2.0
2  3.0  4.0
3  5.0  4.0
4  5.0  NaN

在这个例子中，每列最多只填充一个 NaN。

示例 3：按列方向填充（axis=1）

# 创建按列方向有 NaN 的 DataFrame
df_col = pd.DataFrame({
    'X': [1, 2, 3],
    'Y': [np.nan, 5, 6],
    'Z': [7, np.nan, 9]
})

print("Original Column-wise DataFrame:")
print(df_col)

# 按列方向填充
df_col_bfilled = df_col.bfill(axis=1)
print("\nAfter bfill(axis=1):")
print(df_col_bfilled)

输出结果：

Original Column-wise DataFrame:
   X    Y    Z
0  1  NaN  7.0
1  2  5.0  NaN
2  3  6.0  9.0

After bfill(axis=1):
   X    Y    Z
0  1  7.0  7.0
1  2  5.0  NaN
2  3  6.0  9.0

第一行 Y 列被 Z 列的值 7 填充。

示例 4：使用 `limit_area='inside'` 仅填充内部 NaN

# 构造包含边界和内部 NaN 的 DataFrame
df_limit_area = pd.DataFrame({
    'A': [np.nan, 2, np.nan, 4, np.nan],  # 边缘 NaN
    'B': [1, np.nan, 3, np.nan, 5]        # 内部 NaN
})

print("Original DataFrame with edge and internal NaNs:")
print(df_limit_area)

# 只填充被非空包围的 NaN（不填充边缘）
df_inside = df_limit_area.bfill(limit_area='inside')
print("\nAfter bfill(limit_area='inside'):")
print(df_inside)

输出结果：

Original DataFrame with edge and internal NaNs:
     A    B
0  NaN  1.0
1  2.0  NaN
2  NaN  3.0
3  4.0  NaN
4  NaN  5.0

After bfill(limit_area='inside'):
     A    B
0  NaN  1.0
1  2.0  3.0
2  4.0  3.0
3  4.0  5.0
4  NaN  5.0

可见只有中间的 NaN 被填充，而首尾的 NaN 没有被填充。

示例 5：使用 `limit_area='outside'` 仅填充边缘 NaN

# 仅填充边缘 NaN
df_outside = df_limit_area.bfill(limit_area='outside')
print("\nAfter bfill(limit_area='outside'):")
print(df_outside)

输出结果：

After bfill(limit_area='outside'):
     A    B
0  2.0  1.0
1  2.0  NaN
2  NaN  3.0
3  4.0  NaN
4  4.0  5.0

此时只填充了最前或最后的 NaN，中间的未填充。

示例 6：原地修改（inplace=True）

# 原地修改
df.bfill(inplace=True)
print("\nIn-place bfill (modified original):")
print(df)

输出结果（基于示例 1 的数据）：

In-place bfill (modified original):
     A    B
0  1.0  2.0
1  3.0  2.0
2  3.0  4.0
3  5.0  4.0
4  5.0  NaN

🧠 应用场景

时间序列数据处理：填补缺失的时间点数据；
传感器或日志数据清洗：使用下一时刻的值进行插值；
数据预处理：准备模型输入前去除 NaN；
控制填充范围：通过 limit_area 精确控制填充哪些位置；
链式调用中清理数据：如 df.dropna().bfill()。

⚠️ 注意事项

bfill() 和 backfill() 完全等价；
默认按行方向（axis=0）填充；
支持 limit_area，这是 backfill() 所没有的功能；
若无后续有效值，则无法填充；
limit 控制连续填充的最大数量；
不会自动排序索引，建议先排序以获得预期效果；
推荐结合 fillna()、ffill() 等方法一起使用以满足不同需求；
仅对 NaN 生效，不会处理 None 或其他空值。

✅ 总结对比

方法	是否支持 `limit_area`	是否推荐使用
`bfill()`	✅ 是	✅ 推荐
`backfill()`	❌ 否	✅ 推荐（功能相同）
`fillna(method='bfill')`	✅ 是（通过 `method`）	✅ 推荐（更通用）