如何在分组DataFrame中按条件使用ffill执行fillna填充

需求明确 #

仅对Person为Bill且result为True的行，将其NaN值用Bill同分组内上一行的对应列数值填充（纵向向前填充），其他行的NaN保持不变。

错误原因分析 #

1. 方法一问题：groupby.transform 是对分组的每一列执行函数，你试图在lambda中操作整个分组的DataFrame，且x['result'] == True返回的是布尔Series，无法直接作为if的判断条件；同时transform要求返回与原数据同形状的结果，逻辑不匹配需求。
2. 方法二问题：apply默认axis=0（按列处理），此时lambda参数是列的Series，不存在'result'键，导致KeyError。即使改为axis=1（按行处理），也无法直接实现同Person分组内的纵向填充逻辑。

通用解决代码 #

通过groupby.apply针对每个Person分组处理，适配Bill有多个result=True行的场景：

import pandas as pd
import numpy as np

df = pd.DataFrame(
            [["Bill", False, 13, 10, 15],
            ["Jane", False, 63, 17, 95],
            ["Bill", True, np.nan, 5, np.nan],
            ["Mary", False, 65, 13, np.nan]],
           columns=['Person','result','data1','data2','data3'])

def process_group(group):
    # 筛选分组内需要填充的行
    fill_mask = group['result'] == True
    if not fill_mask.any():
        return group
    # 对分组内数值列做纵向向前填充，再替换目标行
    filled_data = group[['data1', 'data2', 'data3']].ffill()
    group.loc[fill_mask, ['data1', 'data2', 'data3']] = filled_data.loc[fill_mask]
    return group

# 按Person分组处理，group_keys=False避免保留分组索引
df2 = df.groupby('Person', group_keys=False).apply(process_group)

print(df2)

执行结果：

Person  result  data1  data2  data3
0   Bill   False   13.0     10   15.0
1   Jane   False   63.0     17   95.0
2   Bill    True   13.0      5   15.0
3   Mary   False   65.0     13    NaN

简洁写法（适用于Bill仅两行场景） #

直接定位目标行，用Bill上一行的数值填充：

# 筛选目标行
target_mask = (df['Person'] == 'Bill') & (df['result'] == True)
# 填充指定列的NaN
df.loc[target_mask, ['data1', 'data3']] = df[df['Person'] == 'Bill'].iloc[0][['data1', 'data3']].values

内容的提问来源于stack exchange，提问作者The Rhyno