Pandas按id分组对整个DataFrame执行前向填充的问题

看起来你在使用groupby+fillna处理整个DataFrame时踩了个小坑，这个KeyError: "isin"确实挺让人困惑的。别担心，有几个简单高效的办法能实现你想要的效果：

最简洁的方案：直接调用GroupBy的ffill方法 #

pandas的分组对象本身就提供了ffill()方法，专门用来做前向填充，直接对所有列生效，代码超简洁：

df = df.groupby('id').ffill(limit=2)

这个方法会自动遍历每个ID分组里的所有列，用前一个非空值填充NaN，完全符合你的需求，而且效率比单独处理每一列高多了。

兼容旧版本的备选方案：用apply配合fillna #

如果你的pandas版本比较老（比如低于1.3.0），GroupBy.ffill()可能还没支持，那就用apply来逐组处理整个DataFrame：

df = df.groupby('id').apply(lambda x: x.fillna(method='ffill', limit=2))

这种方式和你单独处理列的逻辑本质一样，但一次性搞定所有列，不用重复写代码。

为啥原来的代码会报错？ #

你之前用df.groupby("id").fillna(method="ffill", limit=2)出错，是因为GroupBy的fillna方法和普通DataFrame的fillna参数不一样——它并不支持method这个参数（至少在部分旧版本里是这样），所以才会抛出奇怪的KeyError。而单独处理某一列时，你操作的是SeriesGroupBy对象，它的fillna是支持method参数的，所以能正常运行。

测试验证 #

用你的示例原始数据：

id date number number2
1 2001 4     11
1 2002 4     45
1 2003 NaN   13
2 2001 7     NaN
2 2002 8     2

使用上述任意一种方法处理后，都能得到你期望的结果：

id date number number2
1 2001 4     11
1 2002 4     45
1 2003 4     13
2 2001 7     NaN
2 2002 8     2

要是处理后索引出现混乱，只需要加上reset_index(drop=True)就能重置索引，不过默认情况下groupby.ffill会保留原数据的结构，一般不需要额外操作。

内容的提问来源于stack exchange，提问作者freddy888