如何在Python Pandas DataFrame中通过滚动窗口实现特定插值填充？

核心思路是针对每行的指定4列窗口，对目标列（-6.704）的0值进行定向替换：若目标列是0，就从窗口内找右侧第一个非0值替换；窗口全0则保留0。

步骤1：明确窗口列范围 #

先确定窗口包含的4列，假设你的列按时序从左到右为-6.704, -6.696, -6.688, -6.672，定义窗口列列表：

window_cols = ['-6.704', '-6.696', '-6.688', '-6.672']

步骤2：高效处理方案（向量化优先） #

如果数据量较大，优先用向量化方法，比逐行apply效率高很多：

# 提取窗口内的列作为子数据框
window_df = df[window_cols]
# 对每行从左到右用右侧非0值填充（bfill(axis=1)），取第一列（目标列）的填充结果
filled_values = window_df.bfill(axis=1).iloc[:, 0]
# 替换原目标列的0值，非0值保留原值
df['-6.704'] = df['-6.704'].where(df['-6.704'] != 0, filled_values)

bfill(axis=1)会自动为每行的0值填充其右侧第一个非0值，窗口全0的行填充后仍为0，完全匹配你的需求。

备选：逐行处理函数（小数据量适用） #

如果需要更灵活的自定义逻辑，可编写逐行处理函数：

def fill_target_zero(row):
    target_col = '-6.704'
    # 目标列非0直接返回
    if row[target_col] != 0:
        return row[target_col]
    # 遍历窗口列，找第一个非0值
    for col in window_cols:
        if row[col] != 0:
            return row[col]
    # 全0则返回0
    return 0

# 应用到数据框
df['-6.704'] = df.apply(fill_target_zero, axis=1)

为什么不用rolling？ #

rolling方法是针对行方向的滚动计算（比如滑动均值、求和），而你的需求是行内的列窗口查找，属于列维度的行操作，rolling的参数逻辑并不适配这种场景，用向填充或逐行apply更直接。

内容的提问来源于stack exchange，提问作者wiltabone