如何用特定12个月的数据填充DataFrame中的NaN值

解决方案思路 #

要实现用最后12个月的价格循环填充后续NaN，核心是先提取出作为循环模板的12个月数据，再将该模板重复足够次数后填充到缺失位置，具体步骤如下：

1. 确保价格列是数值类型（避免字符串格式导致的计算问题）
2. 提取最后12个非空的价格数据作为循环模板
3. 计算需要填充的NaN数量，生成对应长度的循环序列
4. 将循环序列赋值到NaN所在的行

完整代码实现 #

import pandas as pd

# 构建示例数据
mat = pd.DataFrame(pd.date_range('01/01/2020','01/01/2022',freq='MS'))
prices = pd.DataFrame(['179.06','174.6','182.3','205.59','204.78','202.19','216.17','218.69','220.73','223.28','225.16','226.31'])

example = pd.concat([mat,prices],axis=1)
example.columns = ['maturity', 'price']

# 1. 将价格列转换为数值类型
example['price'] = pd.to_numeric(example['price'])

# 2. 提取最后12个非空价格作为循环模板
template = example['price'].dropna().tail(12).values

# 3. 计算需要填充的NaN数量，生成循环填充序列
nan_count = example['price'].isna().sum()
# 重复模板直到覆盖所有NaN，再截取对应长度
fill_values = template.tolist() * (nan_count // len(template) + 1)
fill_values = fill_values[:nan_count]

# 4. 填充NaN值
example.loc[example['price'].isna(), 'price'] = fill_values

# 查看结果
print(example)

代码说明 #

• 转换数值类型：原示例中价格是字符串格式，必须转为数值才能进行后续填充操作
• 提取循环模板：dropna().tail(12)会自动筛选出最后12个非空的价格数据，适配你实际场景中2027-06前最后12个月的有效数据
• 生成循环序列：通过*运算符重复模板，再截取到需要的长度，确保刚好覆盖所有NaN
• 填充NaN：通过loc定位到NaN的行，直接赋值循环序列

执行后，2021年1-12月会依次填充2020年1-12月的价格，2022年1月填充2020年1月的价格，完美实现循环填充的效果。

内容的提问来源于stack exchange，提问作者ARE