Pandas如何用向量化方式利用梯度向前填充含NaN的序列？

现有一个包含price序列的DataFrame，该序列存在含NaN的缺口：

import numpy as np
import pandas as pd
df = pd.DataFrame({"price": [1, 2, 3, np.nan, np.nan, np.nan, np.nan, np.nan, 9, 10]}, index=pd.date_range("2023-01-01", periods=10))

对应原始数据：

price
2023-01-01    1.0
2023-01-02    2.0
2023-01-03    3.0
2023-01-04    NaN
2023-01-05    NaN
2023-01-06    NaN
2023-01-07    NaN
2023-01-08    NaN
2023-01-09    9.0
2023-01-10   10.0

期望结果 #

希望用缺口前的已知梯度（此处为连续递增1）填充这些NaN，得到如下结果：

price
2023-01-01    1.0
2023-01-02    2.0
2023-01-03    3.0
2023-01-04    4.0
2023-01-05    5.0
2023-01-06    6.0
2023-01-07    7.0
2023-01-08    8.0
2023-01-09    9.0
2023-01-10   10.0

现有低效实现 #

目前可以通过迭代实现该需求，但效率较低：

gradients = (df["price"] - df["price"].shift(1)).ffill()
price_values = df["price"].values
for index, val in enumerate(price_values):
    last_price = price_values[index - 1]
    gradient = gradients.iloc[index]
    if pd.isna(val) and not pd.isna(last_price) and not pd.isna(gradient):
        df["price"].iat[index] = last_price + gradient

问题 #

推测Pandas可能内置相关功能但未找到，请问是否有更优的向量化实现方式？

内容的提问来源于stack exchange，提问作者Student