如何用fillna迭代列实现DataFrame的Day列递增1填充NaN？

我明白你的需求：你的Day列有多个以0起始的分组，中间都是NaN，想要把每个分组内的NaN按行依次递增1填充。你之前尝试的fillna方法之所以无效，是因为它把所有NaN都填充成了同一个固定值（最后一行Day值+1），没法实现分组内逐行递增的效果。

下面是具体的解决方案，我们可以通过分组+组内索引的方式来实现：

首先，先构造和你类似的示例数据（方便测试）：

import pandas as pd
import numpy as np

data = {
    'Day': [0, np.nan, np.nan, np.nan, np.nan, 0, np.nan, np.nan, np.nan, np.nan],
    'Value': [1.0, 1.6, 1.0, 1.7, 6.0, 9.0, 7.8, 2.5, 1.2, 3.4]
}
df = pd.DataFrame(data)

接下来是核心处理步骤：

# 第一步：创建分组标识——每遇到非NaN的Day，就标记为一个新组的开始
df['group_id'] = df['Day'].notna().cumsum()

# 第二步：对每个分组，用组内的行号（cumcount）来填充NaN
df['Day'] = df.groupby('group_id')['Day'].apply(
    lambda x: x.fillna(x.iloc[0] + x.cumcount())
)

# 清理临时的分组列（可选）
df.drop('group_id', axis=1, inplace=True)

执行完这段代码后，你的DataFrame就会变成你想要的样子：

Day  Value
0  0.0    1.0
1  1.0    1.6
2  2.0    1.0
3  3.0    1.7
4  4.0    6.0
5  0.0    9.0
6  1.0    7.8
7  2.0    2.5
8  3.0    1.2
9  4.0    3.4

为什么这个方法有效？ #

• df['Day'].notna().cumsum()：这个操作会给每个连续的分组分配唯一ID，比如第一个以0开头的组ID是1，第二个是2，以此类推，帮我们把数据拆分成独立的小分组。
• groupby('group_id')：把数据按分组ID拆分后，每个分组的第一个元素是0，后面都是NaN。
• x.cumcount()：会给每个分组内的元素生成从0开始的索引，第一个元素是0，第二个是1，第三个是2... 加上分组的起始值（x.iloc[0]就是0），正好实现了分组内逐行递增的填充效果。

你原来代码的问题 #

你之前写的df.Day.fillna(value = df.iloc[-1]['Day'] + 1, inplace = True)，是把所有NaN都填充成了最后一行Day值+1这个固定值，没法区分不同的分组，自然达不到分组递增的效果。

内容的提问来源于stack exchange，提问作者eduardo2111