Pandas按name分组后用同组前向非空值填充job、age列空值

数据构造复现 #

首先复现你提到的带新增空行的数据集，代码如下：

import pandas as pd
import numpy as np

# 初始原始数据
data = {'name':  ['Alex', 'Ben', 'Marry','Alex', 'Ben', 'Marry'],
        'job': ['teacher', 'doctor', 'engineer','teacher', 'doctor', 'engineer'],
        'age': ['27', '32', '78','27', '32', '78'],
        'weight': ['160', '209', '130','164', '206', '132'],
        'date': ['6-12-2022', '6-12-2022', '6-12-2022','6-13-2022', '6-13-2022', '6-13-2022']
        }
df = pd.DataFrame(data)

# 追加6-14-2022的全空行
add_data = pd.DataFrame({
    'name': df['name'].unique(),
    'job': np.nan,
    'age': np.nan,
    'weight': np.nan,
    'date': '6-14-2022'
})
df = pd.concat([df, add_data], ignore_index=True)

可行实现方案 #

方案1：分组前向填充（适配当前场景，代码最简效率最高） #

你当前新增的空行全部位于每个name分组的末尾，直接用分组ffill()（前向填充）即可，逻辑是沿行顺序向前找第一个非空值填充，刚好匹配“取组内最后一个非空值填充”的需求，且不会改动不需要填充的weight列：

# 仅对job、age两列，按name分组做前向填充
df[['job', 'age']] = df.groupby('name')[['job', 'age']].ffill()

执行后6-14日期的三行填充结果：

• Alex：job=teacher，age=27，weight保持NaN
• Ben：job=doctor，age=32，weight保持NaN
• Marry：job=engineer，age=78，weight保持NaN

注意：使用前请确保DataFrame已经按date字段升序排序，否则可能因为行顺序错乱取到错误的“最后一个值”。

方案2：分组取末位有效值映射（适配空值位置不固定的场景） #

如果后续你的空值不一定插在每个分组的最末尾，可以用这个方案，鲁棒性更强：

# 按name分组，提取每组job、age列的最后一个非空值
last_valid_map = df.groupby('name')[['job', 'age']].last()
# 遍历列做映射填充
for col in ['job', 'age']:
    df[col] = df.apply(lambda x: last_valid_map.loc[x['name'], col] if pd.isna(x[col]) else x[col], axis=1)

这个方法不管空值出现在组内哪个位置，都能正确匹配到该组对应列的最后一个非空值完成填充。

内容的提问来源于stack exchange，提问作者mnm