如何为Pandas DataFrame特定行按不同策略填充缺失值？

不需要循环处理行，直接通过iloc切片定位不同行区域，结合对应的填充方法即可实现，以下是具体逻辑和代码：

关键语法纠正 #

你之前用df.iloc(1:1000)是错误的，Pandas中iloc的切片语法是方括号[]，正确的前1000行切片是df.iloc[:1000]（Pandas索引从0开始，[:1000]对应第0到999行，共1000行）。

分步实现逻辑 #

1. 前1000行：均值填充

   • 计算前1000行每列的均值（仅基于该区域的非缺失值计算）
   • 用该均值填充对应区域的缺失值，最后赋值回原DataFrame的对应位置

   # 计算前1000行的列均值
   top_mean = df.iloc[:1000].mean()
   # 填充并赋值
   df.iloc[:1000] = df.iloc[:1000].fillna(top_mean)
   

2. 中间1000行：ffill填充

   • 定位第1000到1999行（iloc[1000:2000]）
   • 使用ffill()（前向填充，用前一行的非缺失值填充当前空值），指定按行方向填充（axis=0）

   # 前向填充中间区域并赋值
   df.iloc[1000:2000] = df.iloc[1000:2000].ffill(axis=0)
   

3. 最后500行：bfill填充

   • 定位第2000到2499行（iloc[2000:]）
   • 使用bfill()（后向填充，用后一行的非缺失值填充当前空值）

   # 后向填充末尾区域并赋值
   df.iloc[2000:] = df.iloc[2000:].bfill(axis=0)
   

完整代码示例 #

# 假设你的DataFrame名为df
# 处理前1000行
top_mean = df.iloc[:1000].mean()
df.iloc[:1000] = df.iloc[:1000].fillna(top_mean)

# 处理中间1000行
df.iloc[1000:2000] = df.iloc[1000:2000].ffill(axis=0)

# 处理最后500行
df.iloc[2000:] = df.iloc[2000:].bfill(axis=0)

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