如何基于Pandas DataFrame前序数字为缺失值分配连续编号？

嘿，我来帮你搞定这个空值填充的需求！咱们先把需求再明确下：

• 如果空值（你用的None）出现在序列开头，就从99901开始依次递增编号
• 如果空值前面的数字是90，就把这个空值设为91
• 其他位置的空值（比如前面是别的数字），我默认按「前序数字+1」处理，如果不是你要的逻辑，可以随时调整~

第一步：先构造测试用的DataFrame #

先模拟你的数据场景，包含开头的空值和90后面的空值：

import pandas as pd

# 构造示例数据，包含开头None、90后的None，以及其他数字后的None
df = pd.DataFrame({'col': [None, None, 90, None, 80, None]})

第二步：实现填充逻辑 #

这里用循环的方式，逻辑清晰易懂，适合新手理解：

# 初始化开头空值的起始编号
start_num = 99901

# 遍历每一行处理空值
for idx in range(len(df)):
    current_val = df.loc[idx, 'col']
    # 判断当前值是否为空（兼容Python的None和Pandas的NA）
    if pd.isna(current_val):
        # 处理开头的连续空值：第一行 或者 前一行也是空值
        if idx == 0 or pd.isna(df.loc[idx-1, 'col']):
            df.loc[idx, 'col'] = start_num
            start_num += 1
        else:
            prev_val = df.loc[idx-1, 'col']
            # 如果前序数字是90，填充91
            if prev_val == 90:
                df.loc[idx, 'col'] = 91
            # 其他情况默认前序数字+1，可根据你的需求修改
            else:
                df.loc[idx, 'col'] = prev_val + 1

第三步：查看处理结果 #

运行完上面的代码后，你的DataFrame会变成这样：

col
0  99901.0
1  99902.0
2     90.0
3     91.0
4     80.0
5     81.0

小提示 #

如果你的DataFrame里的空值是Python原生的None，建议先转成Pandas的pd.NA，这样pd.isna()能更准确识别：

df['col'] = df['col'].replace({None: pd.NA})

内容的提问来源于stack exchange，提问作者yanci