Pandas实现按条件填充指定行缺失值（非固定行偏移）

先看你的示例DataFrame：

import pandas as pd
import numpy as np
df = pd.DataFrame(
    {"col1": ["A", "B", "C", "D", "E", "A", "E", "B", "D"],
     "col2": [1, np.NAN, 3, 4, np.NAN, 6, np.NAN, np.NAN, 8],
})

对应的初始数据：

你的需求很明确：

• 对于col1为"E"且col2为空的行，用之前最近的col1为"A"的行的col2值填充
• 对于col1为"B"且col2为空的行，用之后最近的col1为"D"的行的col2值填充

下面是简洁的实现脚本，完全不用大量if-else，利用Pandas的分组和填充特性来搞定：

import pandas as pd
import numpy as np

# 初始化DataFrame
df = pd.DataFrame(
    {"col1": ["A", "B", "C", "D", "E", "A", "E", "B", "D"],
     "col2": [1, np.NAN, 3, 4, np.NAN, 6, np.NAN, np.NAN, 8],
})

# 处理需求1：填充E的NaN为最近的前面的A的col2值
# 先标记A的位置，向前填充（ffill）所有位置，然后只更新E的NaN行
a_values = df['col2'].where(df['col1'] == 'A').ffill()
df.loc[(df['col1'] == 'E') & df['col2'].isna(), 'col2'] = a_values[(df['col1'] == 'E') & df['col2'].isna()]

# 处理需求2：填充B的NaN为最近的后面的D的col2值
# 标记D的位置，向后填充（bfill）所有位置，然后只更新B的NaN行
d_values = df['col2'].where(df['col1'] == 'D').bfill()
df.loc[(df['col1'] == 'B') & df['col2'].isna(), 'col2'] = d_values[(df['col1'] == 'B') & df['col2'].isna()]

# 输出结果（转成int让结果更整洁）
df['col2'] = df['col2'].astype(int)
print(df)

执行后得到的结果正好符合你的期望：

代码解释 #

• 对于需求1：用where筛选出A行的col2值，其他位置为NaN，然后用ffill()向前填充，这样每个位置都能拿到最近的前面的A的值，最后只把E的NaN行替换成这个值。
• 对于需求2：类似地，用where筛选D行的col2值，bfill()向后填充，拿到每个位置最近的后面的D的值，再替换B的NaN行。

这种方法完全利用Pandas的矢量化操作，比循环或大量if-else高效得多，代码也简洁易读。

内容的提问来源于stack exchange，提问作者cincin21