基于前一个非NaN值递加1的方式向前填充NaN值

要实现需求中的填充规则（非NaN值之后的NaN按前一个非NaN值逐行加1填充，开头的NaN保留），可以利用pandas的分组和向量化操作完成，无需循环：

实现代码 #

替换示例中####### Turn "df" into "desired_df" here #######部分的代码如下：

import pandas as pd

# 标记非NaN值，生成分组ID：每个非NaN值及后续NaN为一组，开头NaN单独成组
mask = df['col'].notna()
df['group'] = mask.cumsum()

# 对每个分组执行递增填充逻辑
df['col'] = df.groupby('group')['col'].transform(
    lambda x: x.iloc[0] + x.reset_index(drop=True).index if not pd.isna(x.iloc[0]) else x
)

# 删除临时分组列
df.drop('group', axis=1, inplace=True)

逻辑说明 #

1. 分组标记：通过notna()识别非NaN值，再用cumsum()生成分组ID。每遇到一个非NaN值，分组ID就递增，确保该非NaN值和后续所有NaN同属一组，开头的NaN会被分到ID为0的组。
2. 分组填充：对每个分组，若分组的第一个值是有效数值（非NaN），则用该起始值加上组内每行的索引偏移量（reset_index(drop=True).index），实现逐行加1的填充；若为开头的NaN分组，直接保留原数据。
3. 清理临时列：删除用于分组的临时列，得到目标结果。

运行后执行assert语句即可验证结果与desired_df完全匹配。

内容的提问来源于stack exchange，提问作者wildcat89