Python中如何将DataFrame非NA连续段的值统一填充为该段首个值

可以直接通过pandas的内置方法实现，操作步骤如下： #

前置处理 #

如果你的原始数据里的Na是字符串类型，需要先转换为pandas可识别的空值：

import pandas as pd
import numpy as np

df['colname'] = df['colname'].replace('Na', np.nan)

核心处理代码 #

# 标记非空值位置
mask = df['colname'].notna()
# 给每一段连续非空值分配唯一组号
group_labels = (mask & ~mask.shift(fill_value=False)).cumsum().where(mask)
# 按组替换为每组第一个非空值
df['colname'] = df.groupby(group_labels)['colname'].transform('first')

原理说明 #

• 用notna()筛选出所有非空值的位置
• 结合shift()偏移判断，找出每一段连续非空值的起始位置
• 对起始位置做累加求和，给每一段连续非空值分配独立的组编号，空值位置不参与分组
• 按组编号分组后，通过transform('first')将组内所有值统一替换为该组的第一个值

完整示例（包含测试数据） #

import pandas as pd
import numpy as np

# 构造测试数据
df = pd.DataFrame({
    'colname': [np.nan, np.nan, np.nan, 1, 2, 3, 4, np.nan, np.nan, np.nan, np.nan, 2, 8, 5, 44, np.nan, np.nan]
})

# 处理逻辑
mask = df['colname'].notna()
group_labels = (mask & ~mask.shift(fill_value=False)).cumsum().where(mask)
df['colname'] = df.groupby(group_labels)['colname'].transform('first')

print(df)

运行后输出的结果和你要求的效果完全一致。

内容的提问来源于stack exchange，提问作者user124123