Python：按参与者向前填充多时间点数据集的BPMEDS缺失值

我有一个存储健康数据的Python DataFrame，每个参与者对应时间点1、2、3。其中BPMEDS列存在缺失值，多数缺失发生在最后一个时间点（可能是1、2或3），缺失值的上方是该参与者最后有有效值的行。例如RANDID为16799的参与者在period3的BPMEDS为NaN，但period2的值为0.0，我希望将该参与者最后可用的值填充到缺失行中；若仅存在period1且BPMEDS为空，则暂时忽略该情况。

尝试以下代码时出现ValueError和TypeError：

for ind in df.index:
    if df['PERIOD'][ind] != '1':
       df['BPMEDS'][ind] = df.groupby(['RANDID']).fillna(method='ffill')

数据集示例：

RANDID  BPMEDS  PERIOD
26   16799     0.0       1
27   16799     0.0       2
28   16799     NaN       3
29   19304     0.0       1
30   20375     0.0       1
31   20375     0.0       2
32   23727     1.0       1

原代码问题分析 #

• 循环遍历索引的方式效率低下，且直接赋值df['BPMEDS'][ind]容易触发SettingWithCopyWarning，导致赋值失效
• df.groupby(['RANDID']).fillna(method='ffill')返回的是完整的分组填充后DataFrame，无法直接赋值给单个元素，这是报错的核心原因

正确实现代码 #

import pandas as pd

# 1. 按参与者分组，对BPMEDS列做组内前向填充
df['BPMEDS'] = df.groupby('RANDID')['BPMEDS'].ffill()

# 2. 还原仅period1且原BPMEDS为空的行
# 标记每个参与者的时间点数量
df['period_count'] = df.groupby('RANDID')['PERIOD'].transform('count')
# 筛选需还原的行：仅1个时间点、时间点为1、原BPMEDS为空
mask = (df['period_count'] == 1) & (df['PERIOD'] == 1) & (df['BPMEDS'].isna())
df.loc[mask, 'BPMEDS'] = pd.NA

# 清理临时列（可选）
df = df.drop('period_count', axis=1)

代码说明 #

• groupby('RANDID')['BPMEDS'].ffill()会在每个参与者的行内，自动用前一行的有效值填充后续的NaN，完美匹配“用最后可用值填充缺失”的需求（比如示例中16799的period3 NaN会被填充为0.0）
• 第二步的筛选逻辑精准定位到“仅period1且BPMEDS为空”的行，将其还原为缺失值，满足“暂时忽略”的要求

处理后示例结果 #

RANDID  BPMEDS  PERIOD
26   16799     0.0       1
27   16799     0.0       2
28   16799     0.0       3
29   19304     0.0       1
30   20375     0.0       1
31   20375     0.0       2
32   23727     1.0       1

内容的提问来源于stack exchange，提问作者swetach