如何用上下左右单元格均值填充DataFrame内部NaN值？

问题背景 #

需要填充DataFrame内部的NaN值，规则为每个空值取上下左右四个相邻单元格的平均值，对应公式：
h(i,j) = (1/4)(h(i-1,j) + h(i+1,j) + h(i,j-1) + h(i,j+1))
已知DataFrame边界单元格均有数值，内部全为NaN。

示例输入 #

预期输出 #

报错代码及问题 #

尝试代码：

for i in df:
        i.fillna(
(i[:, :, 1:] + i[:, :, :-1] + i[:, :-1, :] + i[:, 1:, :])/4, inplace=True
)

触发错误：cannot unpack non-iterable int object

解决方案 #

错误原因 #

• 遍历df时，i是列名字符串，不是DataFrame的行列数据，无法使用三维索引
• DataFrame是二维结构（行×列），不存在第三维索引，你的索引写法完全错误

(a) 正确编写邻域均值公式 #

利用Pandas的shift操作获取上下左右邻居：

• 上方单元格：df.shift(1)（行上移一行）
• 下方单元格：df.shift(-1)（行下移一行）
• 左方单元格：df.shift(1, axis=1)（列左移一列）
• 右方单元格：df.shift(-1, axis=1)（列右移一列）

均值计算代码：

mean_neighbors = (df.shift(1) + df.shift(-1) + df.shift(1, axis=1) + df.shift(-1, axis=1)) / 4

(b) 应用公式填充空值 #

方法1：单次填充（适用于线性边界场景）

因为示例中边界是线性的，单次计算即可得到准确结果：

import pandas as pd
import numpy as np

# 构造示例DataFrame
data = {
    'Col0': [100, 95, 90, 85, 80, 75],
    'Col1': [95, np.nan, np.nan, np.nan, np.nan, 70],
    'Col2': [90, np.nan, np.nan, np.nan, np.nan, 65],
    'Col4': [85, 80, 75, 70, 65, 60]
}
df = pd.DataFrame(data)

# 计算邻域均值
mean_neighbors = (df.shift(1) + df.shift(-1) + df.shift(1, axis=1) + df.shift(-1, axis=1)) / 4

# 仅填充原DataFrame中的NaN值
df = df.where(df.notna(), mean_neighbors)

print(df)

方法2：迭代填充（适用于非线性边界场景）

如果边界是非线性的，需要多次迭代直到数值收敛：

import pandas as pd
import numpy as np

df = pd.DataFrame(data)
df_iter = df.copy()

# 设置迭代次数（按需调整）
max_iter = 10
for _ in range(max_iter):
    mean_vals = (df_iter.shift(1) + df_iter.shift(-1) + df_iter.shift(1, axis=1) + df_iter.shift(-1, axis=1)) / 4
    df_iter = df_iter.where(df_iter.notna(), mean_vals)

print(df_iter)

内容的提问来源于stack exchange，提问作者Ross Clark