如何在Pandas中对过滤后的DataFrame列执行向前填充(ffill)

问题核心 #

ffill() 仅对**缺失值（NaN）**生效，如果无效组合（Down/Good）的State列本身有有效值（Good），直接调用ffill()不会覆盖原有值，这就是你之前填充逻辑失效的原因。

修正步骤 #

先把无效组合的State标记为缺失值，再用ffill()向前填充最近的有效状态（Bad）：

1. 筛选出Status=Down且State=Good的行，将它们的State设为缺失值（pd.NA）
2. 对State列执行ffill()，让缺失值被前面最近的有效Bad值填充

示例代码 #

import pandas as pd

# 模拟你的大型DataFrame结构
df = pd.DataFrame({
    'Status': ['Up', 'Up', 'Down', 'Down', 'Up', 'Down', 'Down'],
    'State': ['Good', 'Good', 'Bad', 'Good', 'Good', 'Good', 'Bad']
})

# 标记无效组合为缺失值
df.loc[(df['Status'] == 'Down') & (df['State'] == 'Good'), 'State'] = pd.NA

# 执行向前填充
df['State'] = df['State'].ffill()

print(df)

输出结果 #

Status State
0     Up  Good
1     Up  Good
2   Down   Bad
3   Down   Bad
4     Up  Good
5   Down   Bad
6   Down   Bad

大数据适配说明 #

这套逻辑用的是pandas矢量化操作，没有循环遍历，处理大型DataFrame时性能高效，不会出现卡顿问题。

内容的提问来源于stack exchange，提问作者user17236057