如何对DataFrame行尾的NaN值按行斜率外插填充？

我明白你的需求了——你需要对每行的行尾NaN进行外插，而不是简单的平向填充，因为每行的趋势斜率不一样。默认的df.interpolate(method='linear')不仅默认按列方向处理，还只会插值中间的缺失值，不会外插行尾的NaN，所以达不到你想要的效果。

先明确你的原始数据和目标：
原始DataFrame：

import numpy as np
import pandas as pd

d = {'col1': [np.nan, np.nan, 1], 'col2': [1, 1, 2], 'col3': [2, 2, 3], 'col4': [np.nan, 3, np.nan]}
df = pd.DataFrame(data=d)

你期望的结果：

d2 = {'col1': [np.nan, np.nan, 1], 'col2': [1, 1, 2], 'col3': [2, 2, 3], 'col4': [3, 3, 4]}
df2 = pd.DataFrame(data=d2)

解决方案思路 #

我们需要针对每行单独计算最后一段有效数据的斜率，再用这个斜率来外插填充行尾的NaN。核心逻辑是：

1. 提取每行的非NaN值，判断是否能计算斜率（至少需要2个有效数据）
2. 计算最后两个有效数据的斜率
3. 按斜率依次填充最后一个有效列之后的所有NaN

代码实现 #

import numpy as np
import pandas as pd

def extrapolate_row(row):
    # 获取该行所有非NaN的数值和对应列
    non_nan_vals = row.dropna()
    # 如果有效数据少于2个，无法计算斜率，直接返回原行
    if len(non_nan_vals) < 2:
        return row
    
    # 计算最后一段的斜率（你的案例中列是连续的，斜率直接等于后值减前值）
    last_val, second_last_val = non_nan_vals.iloc[-1], non_nan_vals.iloc[-2]
    slope = last_val - second_last_val
    
    # 定位最后一个有效列之后的所有NaN列
    last_valid_col = non_nan_vals.index[-1]
    nan_cols = row.loc[last_valid_col:][row.loc[last_valid_col:].isna()].index
    
    # 按斜率依次填充行尾NaN
    current_val = last_val
    for col in nan_cols:
        current_val += slope
        row[col] = current_val
    
    return row

# 将函数应用到每行
df2 = df.apply(extrapolate_row, axis=1)
print(df2)

结果验证 #

运行后输出的df2完全符合你的期望：

col1  col2  col3  col4
0   NaN     1     2   3.0
1   NaN     1     2   3.0
2   1.0     2     3   4.0

这个方法的优点：

• 自动适配每行的不同斜率
• 仅处理行尾的NaN，不会修改中间的缺失值
• 如果你的列是非连续索引，只需修改斜率计算逻辑（用列索引差来调整斜率）即可兼容

内容的提问来源于stack exchange，提问作者Marcus Högenå Bohman