如何在DataFrame中通过方法链实现ffill(axis=1)填充列值

这里提供几种符合方法链风格的实现方式，都能达到你要的效果：

方法1：使用assign() + fillna() #

这是最直观的写法，直接在方法链中对b列进行缺失值填充：

import numpy as np
import pandas as pd

df = pd.DataFrame(
    {"a": [1, 2, 3, 4], "b": [10, np.nan, np.nan, 40], "c": ["a", "b", "c", "d"]}
)

# 方法链形式实现填充
result = df.assign(b=lambda x: x['b'].fillna(x['a']))
print(result.to_markdown())

方法2：使用assign() + combine_first() #

combine_first()会用传入的Series/DF填充当前列的缺失值，逻辑和需求完全匹配：

result = df.assign(b=lambda x: x['b'].combine_first(x['a']))

方法3：和原逻辑对齐的方法链写法 #

如果想保留你原来用ffill(axis=1)的逻辑，同样可以包装成方法链：

result = df.assign(b=lambda x: x[['a', 'b']].ffill(axis=1)['b'])

以上三种方式运行后都会得到相同的结果：

内容的提问来源于stack exchange，提问作者divingTobi