如何在Python中按Group分组并基于Year列条件进行向前填充

按Group分组对Value列进行向前填充，仅对与最近非缺失值对应的Year间隔不超过5年的缺失值填充。

示例规则 #

以Group A为例：

• 1992年Value为1，1995-1992=3 ≤5，故1995年Value填充为1
• 1997-1992=5 ≤5，故1997年Value填充为1
• 1998-1992=6 >5，故1998年Value保持NaN

原始数据集 #

期望结果 #

解决方案（Pandas实现） #

核心思路：

1. 按Group分组，向前传播非缺失值的Value和对应的Year
2. 计算当前行Year与传播来的Year的差值，仅保留差值≤5的填充值，否则恢复为NaN

代码实现：

import pandas as pd

# 构建原始数据
df = pd.DataFrame({
    'Group': ['A']*7 + ['B']*6,
    'Year': [1990,1992,1995,1997,1998,2001,2002,1991,1992,1995,1998,2001,2002],
    'Value': [float('nan'),1,float('nan'),float('nan'),float('nan'),float('nan'),1,1,float('nan'),float('nan'),float('nan'),1,float('nan')]
})

# 分组处理函数
def fill_with_year_limit(group):
    # 向前填充非缺失值的Value和对应的Year
    filled_value = group['Value'].ffill()
    filled_year = group['Year'].where(group['Value'].notna()).ffill()
    # 筛选年份差≤5的行，其余恢复为NaN
    mask = (group['Year'] - filled_year) <= 5
    return filled_value.where(mask, float('nan'))

# 应用分组处理
df['Value'] = df.groupby('Group').apply(fill_with_year_limit).reset_index(drop=True)

print(df)

代码说明：

• group['Year'].where(group['Value'].notna()).ffill()：仅保留非缺失值对应的年份，再向前传播，让每行都能获取最近的有效年份
• 通过年份差判断是否保留填充值，精准控制填充范围

内容的提问来源于stack exchange，提问作者leilei