Pandas工作日时间索引下，0值列填充的非重索引解决方案求助

核心实现：用ffill()结合条件判断完成需求 #

你的需求本质是用最近的非零有效值填充0值，pandas原生的ffill()（前向填充）可以完美实现"取上一个有效值"的逻辑，全程不需要修改日期索引，一行代码就能搞定：

df['ColB'] = df['ColA'].mask(df['ColA'] == 0).ffill()

或者等价的where写法，逻辑完全一致：

df['ColB'] = df['ColA'].where(df['ColA'] != 0).ffill()

代码逻辑说明 #

• mask(df['ColA'] == 0)：将ColA中所有为0的位置替换为NaN
• ffill()：向前填充NaN值，自动取当前行之前最近的非NaN有效值（只按DataFrame的行顺序匹配，完全忽略日期间隔，正好对应你要的"上一个有效值"，而非前一天的值）

用你的示例数据测试，代码如下：

import pandas as pd

# 构造示例DataFrame
data = {'ColA': [7, 3, 0, 5, 0]}
index = pd.to_datetime(['2019-11-11', '2019-11-12', '2019-11-13', '2019-11-14', '2019-11-15'])
df = pd.DataFrame(data, index=index)

# 生成ColB列
df['ColB'] = df['ColA'].mask(df['ColA'] == 0).ffill()
print(df)

输出结果完全符合预期：

ColA  ColB
2019-11-11     7   7.0
2019-11-12     3   3.0
2019-11-13     0   3.0
2019-11-14     5   5.0
2019-11-15     0   5.0

如果需要将ColB转为整数类型，可追加一步：

df['ColB'] = df['ColB'].astype(int)

你之前的方法出错原因 #

1. 列表推导式+Timedelta：
   这种方法依赖日期的连续性，试图通过"日期减一天"取前值，但你的索引是工作日，周末/节假日不在索引内，自然会触发KeyError，逻辑本身就不符合需求。

2. shift方法误用：
   df.loc[d,'ColA']取出的是单个标量值（如numpy.int64），而shift()是Series/DataFrame的方法，不能直接作用于标量，因此会报AttributeError。即使正确对Series使用shift(1)，也只是取DataFrame的上一行，虽然逻辑接近需求，但你的写法完全错误。

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