如何对Pandas DataFrame列执行前向填充以填补缺失值？

没问题，我来帮你搞定这个填充需求！从你的示例来看，最直接且高效的方案就是用Pandas自带的**前向填充（forward fill）**功能，完全匹配你想要的结果。

直接实现代码 #

import pandas as pd
import numpy as np

# 构造你提供的原DataFrame
df = pd.DataFrame({
    'A': [23, 24, np.nan],
    'B': [40000, np.nan, 42000],
    'C': [1, np.nan, 2]
})

# 执行前向填充操作
result_df = df.ffill()
print(result_df)

运行后得到的结果和你期望的完全一致：

A      B    C
0  23.0  40000  1.0
1  24.0  40000  1.0
2  24.0  42000  2.0

关于你尝试的groupby方法 #

你提到用groupby没得到预期结果，大概率是分组逻辑没选对。如果你的实际场景中，填充需要基于特定列的分组规则（比如示例里C列的非空值作为分组标记），可以先构造分组键再在组内填充：

# 用C列的前向填充值作为分组键
df['group_key'] = df['C'].ffill()
# 按分组键分组后执行前向填充，最后删除临时分组列
result_df = df.groupby('group_key').ffill().drop('group_key', axis=1)

这个方法和直接ffill()结果一致，但适合更复杂的分组填充场景。

额外说明 #

• ffill()是fillna(method='ffill')的简写，对应的还有bfill()（后向填充，用下一行非空值填补当前缺失）。
• ffill()是Pandas内置的向量化操作，处理大DataFrame时效率远高于逐行循环或自定义函数，完全不用担心性能问题。

内容的提问来源于stack exchange，提问作者Dave