如何在Pandas中按特定条件向前填充（ffill）指定值

实现思路 #

核心逻辑是先筛选出**当前值为5且前一个值属于[30,31,32]**的位置，再用前一个值替换这些位置的5，其余值保持不变。

代码实现 #

1. 构造示例数据 #

先模拟你提供的整数索引Series，实际使用时替换为DatetimeIndex即可：

import pandas as pd
import numpy as np

# 示例Series（空值用np.nan表示）
s = pd.Series([np.nan, 5, 3, np.nan, 5, np.nan, 30, 5, 5, 31, 31, np.nan, 5, 5])
# 如果是DatetimeIndex，可替换为：
# idx = pd.date_range(start='2024-01-01', periods=14)
# s = pd.Series([np.nan,5,3,np.nan,5,np.nan,30,5,5,31,31,np.nan,5,5], index=idx)

2. 定义目标值列表与筛选条件 #

target_values = [30, 31, 32]

# 条件1：当前元素值为5
cond1 = s == 5
# 条件2：前一个元素属于目标值列表
cond2 = s.shift(1).isin(target_values)
# 合并条件：同时满足两个条件的位置
mask = cond1 & cond2

3. 执行替换操作 #

用前一个元素的值替换满足条件的位置，其余位置保留原值：

result = s.where(~mask, s.shift(1))

4. 查看结果 #

print(result)

输出结果与期望一致：

0      NaN
1      5.0
2      3.0
3      NaN
4      5.0
5      NaN
6     30.0
7     30.0
8     30.0
9     31.0
10    31.0
11     NaN
12     5.0
13     5.0
dtype: float64

说明 #

• shift(1)方法会获取每个位置的前一个元素值，无论索引是整数还是DatetimeIndex（只要索引有序），都能正确取到前一个时间点的数值。
• where(~mask, s.shift(1))表示：当mask为False时保留原Series的值，当mask为True时用s.shift(1)的值替换。

内容的提问来源于stack exchange，提问作者peteron30