You need to enable JavaScript to run this app. Pandas结合fillna与rolling mean实现全段缺失值填充的问题
优惠活动
大模型
产品
解决方案
定价
更多

Pandas结合fillna与rolling mean实现全段缺失值填充的问题

问题根源

原代码采用批量预计算滚动值+统一填充的逻辑,无法适配连续尾部缺失的场景:

  • 代码会先对含连续NaN的原始y列一次性计算全列滚动均值,当原始列后半段全为NaN时,对应位置的滚动窗口内没有有效值,计算结果依然是NaN,因此只能填充最早的两个缺失位置,后续无法继续填充。
  • 你的需求是顺序迭代填充:每填充完一个缺失值,就将这个新值纳入后续的滚动计算窗口,保证后续的缺失值计算能用到刚生成的有效值,直到填完整个表尾。
修正后的实现代码
import pandas as pd

df = pd.DataFrame([
    {"ds":"2017-01-01","y":3},
    {"ds":"2017-01-02","y":4},
    {"ds":"2017-01-03","y":6},
    {"ds":"2017-01-04","y":2},
    {"ds":"2017-01-05","y":7},
    {"ds":"2017-01-06","y":9},
    {"ds":"2017-01-07","y":8},
    {"ds":"2017-01-08","y":2},
    {"ds":"2017-01-09"},
    {"ds":"2017-01-10"},
    {"ds":"2017-01-11"},
    {"ds":"2017-01-12"},
    {"ds":"2017-01-13"},
    {"ds":"2017-01-14"}
])

# 定位第一个出现y值缺失的行索引
first_na_idx = df["y"].isna().idxmax()

# 从第一个缺失行开始逐行迭代填充
for idx in range(first_na_idx, len(df)):
    # 取当前行往前的3个位置的已确定值(含原始值、已填充值)计算滚动均值
    last_3_vals = df.loc[idx-3 : idx-1, "y"]
    df.loc[idx, "y"] = last_3_vals.mean()
运行输出结果
ds         y
0   2017-01-01  3.000000
1   2017-01-02  4.000000
2   2017-01-03  6.000000
3   2017-01-04  2.000000
4   2017-01-05  7.000000
5   2017-01-06  9.000000
6   2017-01-07  8.000000
7   2017-01-08  2.000000
8   2017-01-09  6.333333
9   2017-01-10  5.444444
10  2017-01-11  4.592593
11  2017-01-12  5.456790
12  2017-01-13  5.164773
13  2017-01-14  5.071385
规则匹配校验
  • 表内从2017-01-09到2017-01-14的所有尾部缺失值已全部完成填充,直达数据表最后一行。
  • 2017-01-14位置的填充值,严格基于前序已经计算完成的2017-01-11、2017-01-12、2017-01-13三个值计算3点滚动均值,符合计算要求。

内容的提问来源于stack exchange,提问作者appdev1014

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.11.18 10:15:08