如何按类别列用最近值填充Pandas中的NaN值？

现有如下示例DataFrame：

import pandas as pd
import numpy as np

df = pd.DataFrame({
    "Date": ["2022-10-01","2022-10-02","2022-10-03","2022-10-04","2022-10-05","2022-10-06","2022-10-01","2022-10-02","2022-10-03","2022-10-04","2022-10-05","2022-10-06"],
    "Animal" :["Cat","Cat","Cat","Cat","Cat","Cat","Dog","Dog","Dog","Dog","Dog","Dog"],
    "Quantity":[np.nan,4,3,5,1,np.nan,6,5,np.nan,np.nan,2,1]
})

原始数据展示：

Date Animal  Quantity
0   2022-10-01    Cat       NaN
1   2022-10-02    Cat       4.0
2   2022-10-03    Cat       3.0
3   2022-10-04    Cat       5.0
4   2022-10-05    Cat       1.0
5   2022-10-06    Cat       NaN
6   2022-10-01    Dog       6.0
7   2022-10-02    Dog       5.0
8   2022-10-03    Dog       NaN
9   2022-10-04    Dog       NaN
10  2022-10-05    Dog       2.0
11  2022-10-06    Dog       1.0

需要按以下规则填充Quantity列的NaN值：

• 优先用同一Animal类别下、该NaN值之前最近的有效值替换；
• 若经过第一步后仍有剩余NaN，用同一Animal类别下、该NaN值之后最近的有效值替换。

尝试过Series.interpolate，但不知道如何按Animal分组处理，求高效实现方法，期望输出如下：

Date Animal  Quantity
0   2022-10-01    Cat         4
1   2022-10-02    Cat         4
2   2022-10-03    Cat         3
3   2022-10-04    Cat         5
4   2022-10-05    Cat         1
5   2022-10-06    Cat         1
6   2022-10-01    Dog         6
7   2022-10-02    Dog         5
8   2022-10-03    Dog         5
9   2022-10-04    Dog         5
10  2022-10-05    Dog         2
11  2022-10-06    Dog         1

直接利用pandas的分组（groupby）结合向前填充（ffill）和向后填充（bfill）即可高效实现需求，逻辑完全匹配填充规则：

# 按Animal分组，先向前填充（用前面最近有效值），再向后填充剩余NaN（用后面最近有效值）
df['Quantity'] = df.groupby('Animal')['Quantity'].ffill().bfill()
# 可选：将浮点型转为整型（匹配期望输出格式）
df['Quantity'] = df['Quantity'].astype(int)

代码说明： #

1. groupby('Animal')：确保所有填充操作限定在同一动物类别内，不会跨类别取值；
2. ffill()：全称forward fill，按顺序用当前NaN之前最近的有效值填充，对应规则1；
3. bfill()：全称backward fill，对ffill后剩余的NaN（比如Cat的第0行，前面无有效值），用之后最近的有效值填充，对应规则2；
4. 最后转整型是为了和期望输出格式一致，若无需转换可省略该步骤。

运行上述代码后即可得到目标结果。

内容的提问来源于stack exchange，提问作者Ewdlam