如何用Python填充DataFrame中Site列的NaN值为前一个有效站点字符串

嘿，这个场景我太熟悉了！用pandas的fillna方法搭配method='ffill'就能完美解决，完全不需要复杂的循环，而且效率超高，哪怕是超大的DataFrame也能轻松处理。

核心解决方案 #

直接对Site列执行前向填充操作就行，一行代码搞定：

df['Site'] = df['Site'].fillna(method='ffill')

具体示例验证 #

我们用你给出的示例数据来测试一下：

import pandas as pd
import numpy as np

# 构造你的示例DataFrame
df = pd.DataFrame({
    'Site': ['aa', np.nan, np.nan, 'bb', np.nan, 'cc', np.nan, np.nan, np.nan],
    'data1': [2, 5, 2, 5, 2, 5, 2, 2, 2],
    'data2': [3, 6, 3, 6, 3, 6, 3, 3, 3]
})

# 执行填充
df['Site'] = df['Site'].fillna(method='ffill')

# 查看结果
print(df)

运行后输出的结果就是你想要的：

Site  data1  data2
0   aa      2      3
1   aa      5      6
2   aa      2      3
3   bb      5      6
4   bb      2      3
5   cc      5      6
6   cc      2      3
7   cc      2      3
8   cc      2      3

额外说明 #

• ffill是forward fill的缩写，作用就是把每一个NaN替换成它前面最近的非空值，完全匹配你的需求
• 这个操作只会修改Site列，其他列的数据会原封不动保留
• 如果你的DataFrame开头就有NaN（比如第一个站点标识缺失），可以先手动填充开头的值，或者搭配limit参数限制填充次数，不过你的示例里没有这种情况，暂时不用考虑

内容的提问来源于stack exchange，提问作者jcat