Pandas如何查找DataFrame指定列含目标值的最近行补全分组缺失数据

处理逻辑拆分：

• 先枚举每个分组下缺失的目标label值（规则要求每个group必须覆盖7、8、9三个label）
• 对每个缺失值，从现有数据中筛选同label的行，以分组日期为基准找时间距离最近的行作为补全模板
• 复制模板行，修改id为全局自增的新值、date替换为对应分组的日期、group替换为当前分组编号，追加到原表中
• 最后按分组、label排序得到最终结果

完整代码 #

import pandas as pd

# 构造原始数据
df = pd.DataFrame(
    [
        [1, 'aa', '02/05', 1, 7],
        [2, 'ba', '02/05', 1, 8],
        [3, 'cp', '09/05', 2, 7],
        [4, 'dd', '09/05', 2, 8],
        [5, 'ii', '09/05', 2, 9]
    ],
    columns=['id', 'info', 'date', 'group', 'label']
)

# 规则配置：每个分组必须包含的label值
required_labels = {7, 8, 9}
# 预存每个分组对应的日期（适配同组日期唯一的场景）
group_date_map = df.drop_duplicates('group').set_index('group')['date'].to_dict()
# 日期转datetime格式，用于计算时间间距
df['date_dt'] = pd.to_datetime(df['date'], format='%d/%m')

# 枚举所有缺失的（分组, label）组合
missing_pairs = []
for group_id, sub_df in df.groupby('group'):
    missing_labels = required_labels - set(sub_df['label'].unique())
    for label in missing_labels:
        missing_pairs.append((group_id, label))

# 生成需要追加的补全行
append_list = []
new_id = df['id'].max()
for group_id, miss_label in missing_pairs:
    base_date = pd.to_datetime(group_date_map[group_id], format='%d/%m')
    # 筛选同label的行，取和分组日期时间差最小的作为模板
    template = df[df['label'] == miss_label].assign(
        day_gap = lambda x: abs((x['date_dt'] - base_date).dt.days)
    ).sort_values('day_gap').iloc[0].copy()
    # 更新补全行字段
    new_id += 1
    template['id'] = new_id
    template['group'] = group_id
    template['date'] = group_date_map[group_id]
    append_list.append(template.drop(['date_dt', 'day_gap']))

# 拼接数据并整理输出格式
result = pd.concat(
    [df.drop(columns='date_dt'), pd.DataFrame(append_list)],
    ignore_index=True
).sort_values(by=['group', 'label']).reset_index(drop=True)

结果验证 #

执行print(result)即可得到和预期完全一致的输出：

id info   date  group  label
0   1   aa  02/05      1      7
1   2   ba  02/05      1      8
2   6   ii  02/05      1      9
3   3   cp  09/05      2      7
4   4   dd  09/05      2      8
5   5   ii  09/05      2      9

如果同组存在多个不同日期，只需要修改group_date_map的取值逻辑、调整最近距离的计算规则即可适配。

内容的提问来源于stack exchange，提问作者Programmer14