营销型企业网站的类型/淘客推广

在 Pandas 中，可以使用 fillna(method='ffill') 方法将 DataFrame 中的 NaN 替换为前一个有效值（即 前向填充）。以下是具体实现方法：

---

基础实现

import pandas as pd
import numpy as np# 示例 DataFrame
df = pd.DataFrame({"列名1": [1, np.nan, np.nan, 4],"列名2": [np.nan, 2, np.nan, 5]
})# 前向填充所有 NaN
df_filled = df.fillna(method='ffill')  # method='ffill' 表示用前一个有效值填充print("原始数据:\n", df)
print("\n填充后:\n", df_filled)

输出结果：

原始数据:列名1  列名2
0   1.0  NaN
1   NaN  2.0
2   NaN  NaN
3   4.0  5.0填充后:列名1  列名2
0   1.0  NaN  # 第一个 NaN 无法填充（前面没有值）
1   1.0  2.0
2   1.0  2.0  # 继承前一个有效值
3   4.0  5.0

---

进阶用法

1. 限定填充方向（行/列）

默认按列方向填充 (axis=0)，也可按行填充 (axis=1)：

# 按行前向填充（横向填充）
df_filled_row = df.fillna(method='ffill', axis=1)

2. 结合后向填充

若需要同时填充首部的 NaN，可以组合使用 bfill（后向填充）：

# 先前向填充，再后向填充
df_filled = df.fillna(method='ffill').fillna(method='bfill')

3. 限定填充步数

通过 limit 参数限制连续填充的最大次数：

# 每个 NaN 最多被填充一次（仅填充紧跟其后的一个 NaN）
df_limited = df.fillna(method='ffill', limit=1)

---

完整代码示例

import pandas as pd
import numpy as np# 创建含 NaN 的 DataFrame
data = {"A": [1, np.nan, np.nan, 4, np.nan],"B": [np.nan, 2, np.nan, 5, 6]
}
df = pd.DataFrame(data)# 前向填充所有列
df_filled = df.fillna(method='ffill')# 显示结果
print("原始数据:\n", df)
print("\n前向填充后:\n", df_filled)

输出结果：

原始数据:A    B
0  1.0  NaN
1  NaN  2.0
2  NaN  NaN
3  4.0  5.0
4  NaN  6.0前向填充后:A    B
0  1.0  NaN  # B 列第一个 NaN 无法填充
1  1.0  2.0
2  1.0  2.0  # A 和 B 继承前值
3  4.0  5.0
4  4.0  6.0  # A 列继承前值 4

---

注意事项

1. 首行 NaN 处理
   如果首行有 NaN，ffill 无法填充（前面没有数据），需结合 bfill 或手动处理。

2. 原地修改
   若需直接修改原 DataFrame，使用 inplace=True（不推荐，建议赋值新变量）：

   df.fillna(method='ffill', inplace=True)  # 直接修改原数据
   

3. 性能优化
   对大型数据集，优先使用向量化操作（如 fillna），避免逐行循环。

---

总结

通过 df.fillna(method='ffill') 可以高效实现 用前一个有效值填充 NaN，适用于时间序列、传感器数据等场景。根据需求可调整 axis、limit 等参数灵活控制填充逻辑。