pandas如何将DataFrame列的NaN值替换为上一行单元格值

核心方法说明 #

pandas内置的ffill()（forward fill）方法可直接实现「用上一行非空值填充当前空单元格」的需求，处理流程分三步：

• 先将所有pandas无法自动识别的无效值（空字符串、自定义空占位符等）统一替换为pd.NA
• 对需要补全的列执行前向填充
• 针对数据中日期错位存储的问题做额外清洗，得到规整数据集

具体实现代码 #

直接将以下逻辑追加到你现有代码的末尾即可：

# 1. 统一替换无效值为NaN，可根据实际数据里的无效占位符往列表中追加内容
df = df.replace(['', ' ', 'N/A', '--'], pd.NA)

# 2. 提取错位存储在Name列的日期（匹配「三位月份缩写+空格+1-2位日期」的格式，比如Jun 15）
df['Date'] = df['Name'].where(df['Name'].str.match(r'^[A-Z][a-z]{2} \d{1,2}$', na=False))

# 3. 对姓名、用户ID、日期三列执行前向填充，自动用上一行非空值补全空单元格
df[['Name', 'UserID', 'Date']] = df[['Name', 'UserID', 'Date']].ffill()

# 4. 过滤掉无状态明细的员工汇总行、日期行，重置索引得到最终干净数据集
df_clean = df.dropna(subset=['Reason', 'PresenceState']).reset_index(drop=True)

处理后效果 #

最终输出的df_clean中，每一条状态明细都会匹配到对应的员工姓名、用户ID、日期，不存在空值，示例结构：

如果不需要提取单独日期列，也不需要过滤汇总行，直接执行df = df.ffill()即可对全表所有列做前向填充，满足最基础的空值补全需求。

内容的提问来源于stack exchange，提问作者Eestrada