Pandas按日期分组插值填充缺失值：方法差异与性能优化问询

两种方法的核心差异 #

• 方法1失效原因：你写的df['vol'].groupby(df.index.date).apply(lambda x:x).interpolate(method='linear')本质没做分组内插值。apply(lambda x:x)只是把分组后的序列原样返回，后续的interpolate是对整个全局序列做插值，而非按日期组隔离处理。所以当某一天末尾有缺失值时，它会拉取第二天的有效值做跨日期插值，结果自然异常。
• 方法2逻辑正确但低效：循环分组后逐组插值再拼接，确实是在每个日期组内独立处理，组内末尾缺失值会沿用本组最后一个有效值（interpolate默认的向前填充逻辑），符合预期。但手动循环遍历分组会触发大量零散计算，数据量大时速度会变得极慢。

高效且符合预期的实现方案 #

直接通过groupby配合apply或transform实现分组内插值，利用pandas的向量化优化，既保证逻辑正确又高效：

方案1：使用apply #

df['vol'] = df.groupby(df.index.date)['vol'].apply(lambda x: x.interpolate(method='linear'))

方案2：使用transform（更简洁） #

df['vol'] = df.groupby(df.index.date)['vol'].transform(lambda x: x.interpolate(method='linear'))

补充说明 #

如果需要明确控制缺失值的填充方向（比如仅向前填充组内末尾缺失），可以显式指定参数（默认就是forward，可省略）：

df['vol'] = df.groupby(df.index.date)['vol'].apply(lambda x: x.interpolate(method='linear', limit_direction='forward'))

这个方案的优势：

• 严格按日期组隔离插值，不会出现跨日期取数的异常；
• 基于pandas内置的分组优化逻辑，比手动循环快数倍到数十倍，数据量越大效率提升越明显。

内容的提问来源于stack exchange，提问作者Student240