pandas DataFrame列浮点0值如何按客户分组先后向前、向后填充？

你可以按照以下逻辑处理，核心是先将0值转为空值，再分组执行先后填充，最后处理全为空的特殊情况：

import pandas as pd

# 测试数据生成
df = pd.DataFrame({"CLIENT_ID": [16081, 16081, 16081, 16081, 20011, 20011, 20011, 20011, 20011,20020],
                   "ENCOUNTER_DATE": ['2018-12-17', '2019-03-19', '2019-04-18', '2019-06-07', '2020-02-27', '2020-03-27', '2020-04-27', '2020-06-07', '2020-07-07','2020-01-01'],
                   "WEIGHT_KG": [70, 0, 0, 0, 0, 0, 57, 0, 60,0]})

# 核心处理逻辑
# 第一步：将0值替换为空值，适配pandas填充方法的处理规则
df['WEIGHT_KG'] = df['WEIGHT_KG'].replace(0, pd.NA)
# 第二步：按客户ID分组，先后执行向前填充、向后填充
df['WEIGHT_KG'] = df.groupby('CLIENT_ID')['WEIGHT_KG'].transform(lambda x: x.ffill().bfill())
# 第三步：处理无有效体重值的客户，剩余空值回填为0
df['WEIGHT_KG'] = df['WEIGHT_KG'].fillna(0)

处理后的结果和你给出的预期输出完全一致。

逻辑说明 #

• 向前填充（ffill）：用该客户上一次就诊的有效体重填充本次的0值，适配首次就诊有体重、后续多次录错为0的场景
• 向后填充（bfill）：用该客户下一次就诊的有效体重填充本次的0值，适配前几次就诊录错为0、后续首次录入有效体重的场景
• 最终空值回填0：针对该客户所有就诊记录都没有有效体重的场景，保留原始0值不变

内容的提问来源于stack exchange，提问作者Mazil_tov998