Pandas中按商品及日期分组填充purchase_price_unit列NaN值遇阻求助

核心问题原因 #

你同时按purchase_item和purchase_date分组后无法填充，本质是每个分组仅包含同一商品同一日期的数据，组内没有更早的历史记录（比如上月数据），ffill()（向前填充）自然找不到可复用的前值，所以完全无效。

你的需求是「同商品下用上月对应价格填充NaN」，正确的分组逻辑应该是仅按商品分组，在每个商品组内按日期排序后再做向前填充——这样才能让NaN值取到该商品上一个时间点（上月）的有效价格。

修正后的代码实现 #

import pandas as pd

# 确保purchase_date是datetime格式（如果原本不是的话）
purchase_df['purchase_date'] = pd.to_datetime(purchase_df['purchase_date'])

# 按商品分组，组内按日期升序排序后对价格列做向前填充
purchase_df['purchase_price_unit'] = purchase_df.groupby('purchase_item', group_keys=False) \
    .apply(lambda x: x.sort_values('purchase_date')['purchase_price_unit'].ffill())

额外说明 #

• 如果你的日期是「年月」格式（比如2024-01），pd.to_datetime()依然可以正确识别，排序逻辑不受影响。
• 加上group_keys=False是为了避免分组键被添加到结果索引中，保持原DataFrame结构一致。
• 如果需要用下月值填充本月NaN，可将ffill()替换为bfill()，逻辑同理。

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