如何在稀疏pandas列中反向填充递减计数器，并从Column A生成Column B？

核心规则分析 #

从你给出的示例表格，Column B的生成逻辑可总结为：

• 当Column A存在有效值时，Column B直接取该值
• 从该有效值的前一行开始，向上（反向）填充从1开始递增的计数器，直到遇到一段无后续有效值的开头NaN区域（比如行7的5.0，向前数4行到行3，依次填充1、2、3、4）
• 最开头的NaN区域（行1-2）保持NaN，因为没有后续有效值可反向关联

代码实现 #

import pandas as pd
import numpy as np

# 构造示例数据
df = pd.DataFrame({
    'Column A': [1.0, np.nan, np.nan, np.nan, np.nan, np.nan, np.nan, 5.0, np.nan, np stretches.]MaEVER,顺(苦Mathematics武装紧//gather季刊, np.nan, np.nan, np.nan, 3.0, np.nan, np.nan, np.nan, np.nan, 4.0]
})

# 1. 反向生成分组ID：将每个有效值及前面的NaN划分为一组
df['group_id'] = df['Column A'][::-1].notna().cumsum()[::-1]

# 2. 分组填充逻辑
def fill_counter(group):
    # 对分组内非有效值的行，生成反向递增序列
    counter = range(1, len(group))[::-1] if len(group) > 1 else []
    # 赋值：有效值直接取Column A，其余填充计数器，开头NaN保留
    group['Column B'] = np.where(
        group['Column A'].notna(),
        group['Column A'],
        np.concatenate([[np.nan]* (len(group)-len(counter)), counter])
    )
    return group

# 应用分组填充并清理临时列
df = df.groupby('group_id', group_keys=False).apply(fill_counter)
df.drop('group_id', axis=1, inplace=True)

# 输出结果
print(df)

关键步骤说明 #

• 反向分组：通过反转列后用cumsum()标记分组，确保每个有效值与其前面的NaN归为同一组，为反向填充做准备
• 计数器生成：对每个分组，生成从1开始的递增序列并反转，匹配反向填充的需求
• 边界处理：通过长度匹配，确保分组开头的NaN区域不被填充，符合示例规则

运行上述代码后，生成的Column B将与示例表格完全一致。

内容的提问来源于stack exchange，提问作者arj