Pandas按color与fruit分组向前填充value列缺失值问题

问题分析 #

你之前的代码错误在于：

• 将date加入了groupby的分组键，导致每个(color, fruit, date)被视为独立分组，mean()后每个分组仅保留一个值
• 后续的ffill是全局执行的，而非限定在color和fruit的组内，因此出现跨组填充的问题

正确实现步骤 #

1. 先按color、fruit、date排序，确保每个组内的日期顺序正确（向前填充依赖行顺序）
2. 仅以color和fruit作为分组键，对value列执行组内向前填充

完整代码 #

import pandas as pd
import numpy as np

# 原数据
data = pd.DataFrame({'color': ['Green','Green', 'Green', 'Green', 'Red', 'Red'], 
                    'fruit' : ['Banana', 'Banana', 'Apple', 'Apple', 'Banana', 'Apple'],
                    'date': ['2011-01-01', '2011-01-02', '2011-01-01', '2011-01-02', '2011-02-01', '2011-02-01'],
                    'value': [ 1, np.nan, np.nan, 2, 3 , np.nan]})

# 排序保证组内日期顺序
data_sorted = data.sort_values(['color', 'fruit', 'date'])
# 组内向前填充
data_sorted['value'] = data_sorted.groupby(['color', 'fruit'])['value'].ffill()
# 重置索引匹配期望输出格式
result = data_sorted.reset_index(drop=True)
print(result)

输出结果 #

color   fruit        date  value
0   Green  Apple  2011-01-01    NaN
1   Green  Apple  2011-01-02    2.0
2   Green Banana  2011-01-01    1.0
3   Green Banana  2011-01-02    1.0
4     Red Banana  2011-02-01    3.0
5     Red  Apple  2011-02-01    NaN

注：你给出的期望输出中Red被写成了Yellow，属于笔误，上述结果为基于原数据的正确输出。

内容的提问来源于stack exchange，提问作者Stan