基于ID覆盖DataFrame中t列的NaN值（同ID值需一致）

嘿，这个需求我之前处理过好多次，用Pandas的分组操作就能轻松搞定，给你两种靠谱的实现方式：

首先先确认你的初始数据：

import pandas as pd

df = pd.DataFrame({"t" : [4, 4, 1, 1, float('nan'), 2, 2, 2, float('nan'), 10], "id": [1, 1, 2, 2, 3, 3, 3 , 3, 4, 4]})

方法1：分组后提取组内有效值填充 #

利用groupby按id分组，然后通过transform对每个组的t列进行填充。因为同一id的t值都是一致的，我们只需要提取组内第一个非NaN值，再填充组内的缺失值即可：

df['t'] = df.groupby('id')['t'].transform(lambda x: x.fillna(x.dropna().iloc[0]))

这里x.dropna().iloc[0]会取出当前组里第一个有效的t值，再用fillna把组内所有NaN替换成这个值，完美匹配你的需求。

方法2：组内前后填充结合 #

另一种更简洁的方式是利用分组后的向前填充（ffill）和向后填充（bfill）结合，不管NaN出现在组内的开头还是中间，都能被有效值覆盖：

df['t'] = df.groupby('id')['t'].apply(lambda x: x.ffill().bfill())

ffill()会把组内前面的有效值往后填充，bfill()则把后面的有效值往前填充，两者结合就能确保所有NaN都被正确替换。

运行任意一种方法后，你都会得到想要的结果：

print(df)
# 输出：
#     t  id
# 0   4   1
# 1   4   1
# 2   1   2
# 3   1   2
# 4   2   3
# 5   2   3
# 6   2   3
# 7   2   3
# 8  10   4
# 9  10   4

内容的提问来源于stack exchange，提问作者N08