Python：合并不同时间戳时序数据并填充NA值的实现方法

嘿，这个需求用pandas的向前填充（forward fill）功能就能完美解决，正好匹配你描述的“用最近有效数据替换NA”的要求，我给你拆解一下怎么做：

核心解决方案 #

你已经通过pd.concat([df1, df2], axis=1)完成了时间索引的合并，接下来只需要对合并后的DataFrame调用fillna()方法，指定method='ffill'就行——这个参数的作用就是让每一个NA值，用它同一列中之前最近的非NA值来填充，完全符合你举的例子：0.1时刻的B列取0.09的2.1，0.30时刻的A列取之前最近的3.0。

具体代码如下：

# 假设合并后的DataFrame名为merged_df
filled_df = merged_df.fillna(method='ffill')

额外细节说明 #

1. 开头的NA值处理：如果某一列最开头就有NA（比如你的例子里0.09时刻A列无数据，而之前也没有A的有效数据），那这些开头的NA会保留下来。如果你想把这些也处理掉，可以在向前填充后再加一步向后填充（用后面的第一个有效数据填充开头的NA），不过这得看你的业务场景是否合适：

   # 先向前填充，再处理开头的NA
   filled_df = merged_df.fillna(method='ffill').fillna(method='bfill')
   

2. 精细控制填充范围：如果需要限制只能填充时间间隔在某个范围内的NA（比如只填充前后时间差不超过0.05的NA），可以结合rolling方法，但绝大多数情况下，直接用fillna(method='ffill')就足够满足你的需求了。

举个直观的例子 #

假设你的合并后数据是这样的：

运行fillna(method='ffill')后，结果会变成：

你看，完全符合你的预期：0.1的B列用0.09的2.1填充，0.30的A列用0.25的3.0填充，0.09的A列因为之前最近的有效数据是0.05的1.0，所以填充1.0。

内容的提问来源于stack exchange，提问作者user155214