Python中填充Excel导入数据集的空单元格——键值对关联列Q的填充方案求助

你已经搞定P列的向前填充了，接下来Q列的填充确实得结合P的分组逻辑来处理——毕竟它需要和当前行的P值对应的非空Q值绑定。这里有个简单高效的方案，完全匹配你的预期需求：

步骤分解 #

1. 先统一空值格式（关键前提）
   首先得把原始数据里的---替换成pandas能识别的空值（pd.NA），不然fillna()和分组填充都没法正常工作：

   import pandas as pd
   
   # 假设你的数据集已经导入为df
   df = df.replace('---', pd.NA)
   

2. 确认P列的向前填充（你已完成，这里再补全代码）
   用向前填充把P列的空单元格补上：

   df['P'] = df['P'].ffill()
   

3. 按P分组填充Q列
   核心逻辑是：把相同P值的行归为一组，在每组内对Q列执行向前填充——这样空的Q单元格只会被同P组内最近的非空Q值填充，不会跨P值乱填：

   df['Q'] = df.groupby('P')['Q'].ffill()
   

4. 可选：把空值转回---
   如果需要保持原始的空值显示格式，最后再把pd.NA替换回去：

   df = df.fillna('---')
   

验证结果 #

运行完上述代码后，你的数据集会变成：

完全和你想要的预期结果一致！

为什么这个方法靠谱？ #

• 分组操作确保了填充范围严格限制在相同P值的行内，不会出现P=583的行被P=584的Q值填充的错误。
• 向前填充(ffill)会优先取同组内最近的非空Q值，完美贴合你给出的填充逻辑。

内容的提问来源于stack exchange，提问作者Dhruv