如何使用Pandas将NaN替换为最近5个值的平均值？

你提到的df.fillna(df.mean())是用全局均值填充所有NaN，完全无法满足"用最近5个值（包括已填充的NaN）的平均值迭代替换"的需求，下面是针对性的解决方案：

核心思路 #

因为后续NaN的填充依赖前面已替换完成的值，所以必须按顺序逐个处理每个NaN，计算其指定范围内的5个值的平均值来替换。

1. 构造示例数据 #

import pandas as pd
import numpy as np

# 匹配你描述的示例数据集
data = {'values': [1, 2, 3, 4, 5, np.nan, 6, np.nan, 7, 8]}
df = pd.DataFrame(data)

2. 迭代填充实现 #

方案A：取当前NaN位置最近的前5个值（含已填充值）

# 获取所有NaN的索引，按顺序处理
nan_indices = df[df['values'].isna()].index

for idx in nan_indices:
    # 选取当前位置前5个值（自动适配不足5个的情况）
    window = df['values'].iloc[idx-5:idx]
    # 计算窗口平均值并替换NaN
    df.loc[idx, 'values'] = window.mean()

处理后结果：

方案B：严格匹配你示例的逻辑（取[2,3,4,5,第一个NaN填充值]）

如果需要第二个NaN的计算范围是当前位置前第5到前第1个值，调整窗口选取范围即可：

for idx in nan_indices:
    # 选取当前位置前第5个到前第1个值（共5个）
    window = df['values'].iloc[idx-6:idx-1]
    df.loc[idx, 'values'] = window.mean()

此时第二个NaN的填充值为(2+3+4+5+3)/5 = 3.4，完全符合你给出的示例要求。

为什么df.fillna(df.mean())不适用？ #

这个方法是计算整列的全局平均值，用单一值替换所有NaN，既没有考虑"最近5个值"的范围限制，也不支持迭代填充的依赖逻辑，因此无法满足你的需求。

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