如何按组使用序列填充数据集中的NA值？

没问题，我来帮你搞定按GROUP分组填充NA值的需求！针对你给出的数据集，我们可以用Pandas的分组（groupby）结合不同的填充方法来实现，下面是几种常用的方案，你可以根据业务需求选择：

先确认你的示例数据（方便对照） #

example_df

	Date	GROUP	value
157	2018-01-31	10180	3.464
158	2018-02-28	10180	3.413
159	2018-03-31	10180	3.418
160	2018-04-30	10180	NA
161	2018-05-31	10180	NA
...	...	...	...

1. 线性插值填充（最适合时间序列的趋势型填充） #

如果希望缺失的value值按照已有数据的时间趋势生成连续的序列，用时间插值是最优选择，它会根据Date的时间间隔自动计算中间值：

import pandas as pd

# 第一步：把Date列转成datetime类型（必须，不然时间插值会失效）
example_df['Date'] = pd.to_datetime(example_df['Date'])

# 第二步：按GROUP分组，对每个组的value列做时间插值
example_df['value'] = example_df.groupby('GROUP')['value'].apply(
    lambda x: x.interpolate(method='time')
)

这种方式填充出来的值会贴合已有数据的变化趋势，非常适合月度/季度这类有规律的时间序列数据。

2. 向前填充（用最近的非NA值延续填充） #

如果你的业务场景中，后续缺失值应该和最后一个已知值保持一致（比如某个指标短期内没有变化），可以用向前填充：

# 按GROUP分组后，用每个组最后一个非NA值填充所有后续缺失
example_df['value'] = example_df.groupby('GROUP')['value'].ffill()

3. 自定义序列填充（按固定规则生成填充值） #

如果需要完全自定义填充的序列（比如从最后一个已知值开始，每次递减0.01），可以写个自定义函数来处理：

def custom_sequence_fill(group):
    # 获取当前组最后一个非空的value值
    last_valid_val = group['value'].dropna().iloc[-1]
    # 找到所有需要填充的NA位置
    na_positions = group['value'].isna()
    # 生成自定义填充序列：这里是每次减0.01，你可以改成自己需要的规则
    fill_values = [last_valid_val - 0.01 * i for i in range(1, na_positions.sum() + 1)]
    # 把生成的序列填充到NA位置
    group.loc[na_positions, 'value'] = fill_values
    return group

# 分组应用自定义填充函数
example_df = example_df.groupby('GROUP').apply(custom_sequence_fill).reset_index(drop=True)

小提示 #

• 不管用哪种方法，都要确保Date列是datetime类型，避免时间相关的计算出错
• 如果你的数据集有多个GROUP，上述方法都会自动对每个GROUP单独处理，不会互相干扰

内容的提问来源于stack exchange，提问作者Justin Klevs