多索引（MultiIndex）下仅对指定列执行前向填充（ffill）的实现方法咨询
2026-4-30
如何在MultiIndex的DataFrame中仅对指定列执行前向填充（ffill）？
嘿，我看你遇到了在MultiIndex（ID+time）的DataFrame里，只想给col3和col4这两列做前向填充的问题，刚好我之前处理过类似场景，来给你一步步解决～
先明确下你的原始数据（整理成清晰的表格）：
| ID | time | col1 | col2 | col3 | col4 |
|---|---|---|---|---|---|
| id1 | t1 | 10 | NaN | NaN | 1 |
| id1 | t2 | 10 | 110 | 1 | NaN |
| id1 | t3 | 12 | NaN | NaN | NaN |
| id2 | t1 | 12 | 109 | 15 | 1 |
| id2 | t4 | 12 | 109 | NaN | 1 |
| id2 | t7 | 20 | NaN | NaN | NaN |
你期望的填充结果是：
| ID | time | col1 | col2 | col3 | col4 |
|---|---|---|---|---|---|
| id1 | t1 | 10 | NaN | NaN | 1 |
| id1 | t2 | 10 | 110 | 1 | 1 |
| id1 | t3 | 12 | NaN | 1 | 1 |
| id2 | t1 | 12 | 109 | 15 | 1 |
| id2 | t4 | 12 | 109 | 15 | 1 |
| id2 | t7 | 20 | NaN | 15 | 1 |
先说说你尝试的代码问题：
- 第一个
df[['col3','col4']].ffill()：没有考虑MultiIndex的分组逻辑，它会直接在整个列上跨ID填充，这显然不是你要的效果。 - 第二个
df[['col3','col4']].fillna(df.groupby(['ID','t'])[['col3', 'col4']].ffill())：分组键错了！按ID+time分组的话，每个组只有一行，根本没法做前向填充，应该只按ID分组才对。 - 第三个
df.reindex(['ID','t'], method='ffill')：reindex是用来重新调整索引的，不是做列填充的，参数用法也不对，所以才会报'expected Tuple, got str'的错误。
正确的解决方法
核心逻辑是：按ID分组，在每个ID组内对col3和col4执行前向填充，再把填充后的列替换回原DataFrame，这样不会影响其他列的原始数据。
直接上代码：
# 按ID分组，对指定列执行组内前向填充 filled_cols = df.groupby('ID')[['col3', 'col4']].ffill() # 将填充后的列赋值回原DataFrame df[['col3', 'col4']] = filled_cols
或者可以一步到位：
df[['col3', 'col4']] = df.groupby('ID')[['col3', 'col4']].ffill()
补充说明
如果你的time索引不是按顺序排列的，建议先对整个DataFrame按索引排序，确保每个ID下的时间是递增的：
df = df.sort_index()
这样执行后，每个ID下的col3和col4缺失值都会被该ID之前的有效值填充，完全符合你的期望结果～
内容的提问来源于stack exchange，提问作者noiivice
相关产品推荐
相关产品推荐
