如何在start与finish字符串之间的NaN填充指定值check

问题说明 #

需要将数据中位于start和finish字符串之间的nan值替换为check，区间外的nan保持不变。ffill()或interpolate()这类方法会持续填充后续值，无法满足仅填充指定区间的需求。

原始数据 #

预期结果 #

代码实现 #

方法1：遍历标记（逻辑直观）

适合小数据集，逻辑清晰易懂：

import pandas as pd

# 构造原始数据（若实际为pd.NA/np.nan，替换对应值即可）
data = {
    'start_finish': [
        'start', 'nan', 'nan', 'finish', 'nan', 'nan',
        'start', 'nan', 'nan', 'start', 'nan', 'finish'
    ]
}
df = pd.DataFrame(data)

# 标记需要填充的位置
in_interval = False
fill_mask = []

for val in df['start_finish']:
    if val == 'start':
        in_interval = True
        fill_mask.append(False)
    elif val == 'finish':
        in_interval = False
        fill_mask.append(False)
    elif in_interval and val == 'nan':
        fill_mask.append(True)
    else:
        fill_mask.append(False)

# 执行填充
df.loc[fill_mask, 'start_finish'] = 'check'

方法2：向量化处理（高效）

适合大数据集，利用pandas的向量化操作提升效率：

import pandas as pd

# 构造原始数据
data = {
    'start_finish': [
        'start', 'nan', 'nan', 'finish', 'nan', 'nan',
        'start', 'nan', 'nan', 'start', 'nan', 'finish'
    ]
}
df = pd.DataFrame(data)

# 标记start和finish的位置
start_mask = df['start_finish'] == 'start'
finish_mask = df['start_finish'] == 'finish'

# 生成区间分组标识
group = start_mask.cumsum()
# 筛选出需要填充的位置：在有效区间内、不是finish、且值为nan
fill_mask = (group > 0) & ~finish_mask.cumsum().eq(group) & (df['start_finish'] == 'nan')

# 执行填充
df.loc[fill_mask, 'start_finish'] = 'check'

内容的提问来源于stack exchange，提问作者Will Lambert