如何用对应分组的指定列数值之和替换DataFrame中的NA值？

我来帮你搞定这个需求！你需要把Distance2列里的连续NA值，替换成对应分组的Distance列数值之和，下面是具体的实现方案，完全匹配你的预期结果：

原始数据 #

Distance  Distance2
0       160        8.0
1        20        NaN
2        30       15.0
3       100       11.0
4        35        NaN
5        42        NaN
6        10        NaN
7        10        2.0
8         9        NaN
9        20        NaN

期望处理结果 #

Distance  Distance2
0       160        8.0
1        20       20.0
2        30       15.0
3       100       11.0
4        35       87.0
5        42       87.0
6        10       87.0
7        10        2.0
8         9       29.0
9        20       29.0

具体实现代码（基于pandas） #

import pandas as pd
import numpy as np

# 1. 构造你的原始数据（如果已有数据可跳过这一步）
df = pd.DataFrame({
    'Distance': [160, 20, 30, 100, 35, 42, 10, 10, 9, 20],
    'Distance2': [8, np.nan, 15, 11, np.nan, np.nan, np.nan, 2, np.nan, np.nan]
})

# 2. 创建分组标识：以Distance2的非NA值为分隔，标记连续NA的分组
df['group'] = df['Distance2'].notna().cumsum()

# 3. 计算每个分组的Distance总和，并填充到Distance2的NA位置
df['Distance2'] = df['Distance2'].fillna(df.groupby('group')['Distance'].transform('sum'))

# 4. 移除临时的group列（可选操作）
df = df.drop('group', axis=1)

print(df)

代码逻辑解释 #

• 分组标识创建：df['Distance2'].notna().cumsum()会把每一个Distance2非空的位置作为分组的起点，自动给连续的NA值分配同一个分组ID，比如第4-6行的NA会属于同一个分组，第8-9行的NA属于另一个分组。
• 分组求和填充：通过groupby('group')['Distance'].transform('sum')计算每个分组的Distance总和，再用fillna()把Distance2的NA值替换成对应分组的总和，完美匹配你的需求。

内容的提问来源于stack exchange，提问作者jorginho97