如何用Pandas将DataFrame中的0替换为最近非零值的平均值

我来帮你搞定这个需求！你想要把DataFrame里的0替换成特定规则的非零值：第一个0用后面最近的非零值，其余0用两侧最近非零值的平均值，这确实没法用简单的ffill或bfill直接实现，咱们一步步来写代码实现：

第一步：准备示例数据 #

先定义你给出的DataFrame：

import pandas as pd
import numpy as np

df = pd.DataFrame({'A':[0,0,15,0,0,12,0,0,0,5]})

第二步：提取非零值的关键信息 #

首先把所有非零值的索引和对应数值提取出来，方便后续快速定位每个0的前后非零值：

# 获取非零值的索引列表和对应的数值列表
non_zero_idx = df[df['A'] != 0].index.tolist()
non_zero_vals = df[df['A'] != 0]['A'].tolist()

第三步：编写替换逻辑函数 #

我们写一个函数，针对每个元素的索引和值，判断是否需要替换，并计算对应的替换值：

def replace_zero_logic(index, value):
    # 如果不是0，直接返回原值
    if value != 0:
        return value
    # 处理第一个元素是0的情况：取第一个非零值
    if index == 0:
        return non_zero_vals[0]
    # 找到当前索引在非零索引列表中的插入位置，以此确定前后最近的非零值位置
    pos = np.searchsorted(non_zero_idx, index)
    # 前面最近的非零值
    prev_val = non_zero_vals[pos - 1]
    # 后面最近的非零值（如果存在）
    if pos < len(non_zero_idx):
        next_val = non_zero_vals[pos]
        return (prev_val + next_val) / 2
    # 边界情况：如果后面没有非零值（比如最后几个都是0），就用前面的非零值
    else:
        return prev_val

第四步：应用函数到DataFrame #

用apply把函数应用到每一行，生成新的列：

df['A_replaced'] = df.apply(lambda row: replace_zero_logic(row.name, row['A']), axis=1)

查看结果 #

运行后打印DataFrame，就能得到你想要的结果：

print(df)

输出如下：

A  A_replaced
0   0        15.0
1   0        15.0
2  15        15.0
3   0        13.5
4   0        13.5
5  12        12.0
6   0         8.5
7   0         8.5
8   0         8.5
9   5         5.0

逻辑说明 #

• 对于第一个0，直接取第一个出现的非零值（也就是15）；
• 对于中间的0，比如索引1，前后最近的非零值都是15，所以平均值是15；
• 索引3、4的前后最近非零值是15和12，平均值就是(15+12)/2=13.5；
• 索引6、7、8的前后最近非零值是12和5，平均值就是(12+5)/2=8.5，完全符合你的要求。

内容的提问来源于stack exchange，提问作者Shin Yu Wu