如何用ffill和bfill填充Pandas DataFrame中含NaN的列？

核心概念 #

• ffill()：全称forward fill，向前填充，用当前NaN的前一个非缺失值填充
• bfill()：全称backward fill，向后填充，用当前NaN的后一个非缺失值填充

单独使用一种方法可能覆盖不全场景（比如列开头的NaN用ffill无法填充，列结尾的NaN用bfill无法填充），因此通常组合使用ffill().bfill()，先向前填充所有可填充的NaN，再向后补全剩余缺失值。

针对你的示例场景的解决方案 #

你的数据中ID列的缺失值与Expected分组强关联（A组对应ID=A，B组对应ID=B），必须分组后填充，避免跨组填充导致逻辑错误：

import pandas as pd
import numpy as np

# 构造示例数据
df = pd.DataFrame([
            [np.nan, '2019-01-01', 'P', 'O', 'A'],
            [np.nan, '2019-01-02', 'O', 'O', 'A'],
            ['A', '2019-01-03', 'O', 'O', 'A'],
            ['A', '2019-01-04', 'O', 'P', 'A'],
            [np.nan, '2019-01-05', 'O', 'P', 'A'],
            [np.nan, '2019-01-01', 'P', 'O', 'B'],
            ['B', '2019-01-02', 'O', 'O', 'B'],
            ['B', '2019-01-03', 'O', 'O', 'B'],
            ['B', '2019-01-04', 'O', 'P', 'B'],
            [np.nan, '2019-01-05', 'O', 'P', 'B'],
            ], columns=['ID', 'Time', 'FromState', 'ToState', 'Expected'])

# 按Expected分组，对每组ID列先向前填充再向后填充
df['ID'] = df.groupby('Expected')['ID'].transform(lambda x: x.ffill().bfill())

补充说明 #

1. 如果数据无需分组（整列缺失值对应同一有效值），可直接对列操作：

# 直接填充整列的NaN
df['ID'] = df['ID'].ffill().bfill()

2. transform方法会将分组内的填充结果映射回原DataFrame，保留原有索引和数据结构。

内容的提问来源于stack exchange，提问作者John Stud