如何在Pandas DataFrame列或Series中向前传播填充特定值？

不用费劲写循环遍历啦，Pandas的内置方法就能优雅解决这个布尔值向前填充的需求，还能扩展到更通用的场景，我给你一步步拆解：

针对布尔列的特定解决方案 #

首先假设你的布尔序列是这样的：

import pandas as pd

s_bool = pd.Series([True, False, False, False, False, True, False, False, False])
n = 2  # 要向前填充的次数

我们可以通过以下步骤实现需求：

1. 用mask把所有非True的位置替换成NaN
2. 调用ffill(limit=n)对这些NaN向前填充，限制填充次数为n
3. 最后把剩余的NaN还原为False

对应的代码：

result_bool = s_bool.mask(~s_bool).ffill(limit=n).fillna(False)
print(result_bool)

输出结果正好是你想要的：

0     True
1     True
2     True
3    False
4    False
5     True
6     True
7     True
8    False
dtype: bool

扩展到通用值的填充方案 #

如果你的需求不局限于布尔值，而是要对满足特定条件的值向前填充n次（比如你补充的例子），这个方法同样适用：

假设你的序列和条件是这样的：

s = pd.Series([1, 2, 3, 4, 5, 1, 2, 3])
condition_mask = s == 2  # 目标：把等于2的位置向前填充2次
n = 2

同样的思路，只需要调整一下mask的条件，最后用原序列填充剩余的NaN并转回原类型：

result_general = s.mask(~condition_mask).ffill(limit=n).fillna(s).astype(int)
print(result_general)

输出结果：

0    1
1    2
2    2
3    2
4    5
5    1
6    2
7    2
dtype: int64

这种方法的好处是完全基于Pandas的向量化操作，比手动循环遍历效率高得多，尤其是当你的时间序列数据量很大的时候，速度优势会非常明显，代码也更简洁易维护。

内容的提问来源于stack exchange，提问作者ajoseps