Pandas特殊插值实现：将NaN行与目标行替换为均分后的值

示例输入表格 #

示例输出表格 #

处理逻辑 #

• 针对连续的NaN区间，取该区间后续第一个非NaN有效值
• 计算替换值：后续有效值 ÷（该区间NaN的数量 + 1），示例中为 12 ÷ (3+1) = 3
• 用计算得到的替换值填充该区间所有NaN，同时替换掉用于计算的那个后续有效值

现有实现代码 #

import pandas as pd
import numpy as np

test = pd.DataFrame({'Label': ['A', 'B', 'C', 'D', 'E', 'F','G','H','I'],
                     'Value': [1, 2, None, None, None, 12,None,None,4]})

test['break'] = np.where(test['Value'].notnull(),1,0)
test['group'] = test['break'].shift().fillna(0).cumsum()
test['Value2'] = test.groupby('group').Value.apply(lambda x: x.fillna( x.max() / len(x)))

for row in range(0,test.shape[0]):
    if test['break'].iloc[row] == 0 and test['break'].iloc[row+1] == 1:
        test.at[row+1, 'Value2'] = test['Value2'].iloc[row]

优化需求 #

df.interpolate()无法实现该自定义逻辑，现有代码可完成功能但不够简洁优雅，寻求更优的Pandas解决方案。

内容的提问来源于stack exchange，提问作者ppoudel