如何用前序有效值填充DataFrame中的NaN值？

要实现用前序有效值填充DataFrame的NaN值，直接使用Pandas的fillna()方法并指定method='ffill'参数即可，这是最简洁的常规方案：

代码示例 #

import pandas as pd

# 创建原始DataFrame
df = pd.DataFrame([[111, 222, 'apple'], [888, 444, 'pear'], [666, 777, 'pineapple'], [None, 444, None]])

# 执行向前填充
filled_df = df.fillna(method='ffill')

print(filled_df)

输出结果 #

0    1          2
0  111  222       apple
1  888  444        pear
2  666  777    pineapple
3  666  444    pineapple

说明 #

• ffill是forward fill的缩写，默认沿行方向（axis=0）填充，会用当前NaN值所在列的前一行有效值替换NaN。
• 如果某列的第一个值就是NaN，该值会保留（因为没有前序有效值可用）。

针对你给出的期望结果的特殊处理 #

如果需要将第3行的NaN填充为第1行的值（而非最近的第2行），这属于基于特定列匹配的填充逻辑，可以通过以下方式实现：

# 找到每个行中列1值对应的前一个同值行索引
df['prev_match_idx'] = df.groupby(1).cumcount().map(df.groupby(1).groups).apply(lambda x: x[-2] if len(x)>=2 else None)

# 用匹配到的前序行填充当前行的NaN
filled_df_custom = df.apply(
    lambda row: df.loc[row['prev_match_idx']].combine_first(row) 
    if pd.isna(row[0]) else row,
    axis=1
).drop('prev_match_idx', axis=1)

print(filled_df_custom)

特殊处理的输出结果 #

0    1          2
0  111  222       apple
1  888  444        pear
2  666  777    pineapple
3  888  444        pear

内容的提问来源于stack exchange，提问作者egor