Python pandas如何计算上一次非NaN温度读数的Unix时间差

原有代码使用df['unixTime'].diff()仅能计算相邻两行的时间差，无法自动跳过Temperature列值为NaN的无效记录，不能定位到上一次存在有效温度读数的时间点做差，不符合计算要求。

采用pandas向量化运算实现，无需手写循环，执行效率高，逻辑如下：

• 先提取所有温度有效（非NaN）记录对应的unixTime，温度无效的位置对应时间置为NaN
• 对提取出的有效时间做前向填充，让每一行都能拿到它上方最近的一个有效温度对应的时间点
• 用当前行的unixTime减去前向填充得到的最近有效时间，得到目标时间差列

完整可运行代码：

# 提取有效温度对应的时间点，无效温度位置置空
valid_temp_time = df["unixTime"].where(df["Temperature"].notna())
# 前向填充，每行匹配上一个最近的有效温度时间
last_valid_temp_time = valid_temp_time.ffill()
# 计算时间差，赋值为新列
df["time_diff_from_last_valid_temp"] = df["unixTime"] - last_valid_temp_time

以测试数据为例，计算结果完全匹配需求：

如果需要处理第一条有效温度前的NaN值，可以根据业务需求自行调用fillna()填充指定值即可。

内容的提问来源于stack exchange，提问作者P.Sal