为何DataFrame单行链式调用中fillna()不生效？如何实现单行写法？

为什么单行写法的fillna不生效？ #

核心差异在于**fillna(0)的作用对象完全不同**：

• 拆分两步执行时：
  第一步把筛选后（仅Event='A'且Direction='UP'）的分组累计计数结果赋值给df['prev']，此时原DataFrame中不满足筛选条件的行，因为索引不匹配，prev列会被填充为NaN；
  第二步的fillna(0)是对整个df['prev']列操作，把所有NaN替换成0，所以结果正确。
• 合并单行执行时：
  fillna(0)是在筛选后的短Series上调用的——这个短Series里只有符合条件的行，cumcount()生成的是连续整数，本身没有NaN，所以fillna(0)等于没起作用。之后把这个短Series赋值给df['prev']，那些不匹配索引的行还是会变成NaN，看起来就像fillna失效了。

可行的单行写法 #

可以用transform方法在原DataFrame的分组内完成计算，直接生成和原df长度一致的结果，再填充0：

df['prev'] = df.groupby('group').transform(lambda x: x[(x.Event == 'A') & (x.Direction == 'UP')].cumcount().add(1)).fillna(0)

或者更高效的方式，先标记符合条件的行，再分组累计计数（避免重复筛选）：

df['prev'] = (df
              .assign(flag=(df.Event == 'A') & (df.Direction == 'UP'))
              .groupby('group')['flag']
              .transform(lambda g: g.cumsum() * g)
              .fillna(0)
             )

内容的提问来源于stack exchange，提问作者Alex DiS