如何基于另一索引的ffill/bfill/nearest值构造Pandas Series？

一、DatetimeIndex 场景实现 #

首先构造基础索引和Series：

import pandas as pd

idx1 = pd.DatetimeIndex(['2023-06-02', '2023-06-04', '2023-06-06', '2023-06-08', '2023-06-10', '2023-06-12'])
idx2 = pd.DatetimeIndex(['2023-06-03', '2023-06-08'])
# 构造以idx2为索引、值为自身索引的Series
s2 = pd.Series(idx2, index=idx2)

1. 最近值填充（nearest） #

直接使用reindex的method='nearest'参数，自动匹配最近的索引值：

nearest_series = s2.reindex(idx1, method='nearest')

输出结果：

2023-06-02   2023-06-03
2023-06-04   2023-06-03
2023-06-06   2023-06-08
2023-06-08   2023-06-08
2023-06-10   2023-06-08
2023-06-12   2023-06-08
dtype: datetime64[ns]

2. 向后填充（bfill） #

method='bfill'会取当前索引之后第一个存在的idx2值，无匹配则返回NaN：

bfill_series = s2.reindex(idx1, method='bfill')

输出结果：

2023-06-02          NaT
2023-06-04   2023-06-03
2023-06-06   2023-06-03
2023-06-08   2023-06-08
2023-06-10   2023-06-08
2023-06-12   2023-06-08
dtype: datetime64[ns]

3. 向前填充（ffill） #

method='ffill'会取当前索引之前最后一个存在的idx2值，无匹配则返回NaN：

ffill_series = s2.reindex(idx1, method='ffill')

输出结果：

2023-06-02   2023-06-03
2023-06-04   2023-06-08
2023-06-06   2023-06-08
2023-06-08   2023-06-08
2023-06-10          NaT
2023-06-12          NaT
dtype: datetime64[ns]

二、数值型等其他有序索引场景 #

对于数值型索引（如Int64Index、Float64Index），逻辑完全一致——因为reindex的填充方法支持所有有序索引类型。

举个数值型索引示例：

num_idx1 = pd.Int64Index([1, 3, 5, 7, 9, 11])
num_idx2 = pd.Int64Index([2, 8])
s_num = pd.Series(num_idx2, index=num_idx2)

# 最近值填充
num_nearest = s_num.reindex(num_idx1, method='nearest')
# 向后填充
num_bfill = s_num.reindex(num_idx1, method='bfill')
# 向前填充
num_ffill = s_num.reindex(num_idx1, method='ffill')

输出逻辑与DatetimeIndex完全对应：

• 最近值结果：1→2，3→2，5→8，7→8，9→8，11→8
• 向后填充结果：1→NaN，3→2，5→2，7→8，9→8，11→8
• 向前填充结果：1→2，3→8，5→8，7→8，9→NaN，11→NaN

补充说明 #

• 若需自定义最近值的匹配公差，可在reindex中添加tolerance参数，比如DatetimeIndex场景设置tolerance=pd.Timedelta(days=1)，超过1天的匹配会返回NaN。
• 非有序索引（如无排序逻辑的字符串索引）无法使用method参数，因为无法定义“前后”或“最近”的逻辑，需通过其他方式（如字符串相似度匹配）处理。

内容的提问来源于stack exchange，提问作者o c