在Pandas/Python中，基于条件以最有效的方式复制列的最后一次看到的非空值

我需要根据条件复制并粘贴列的previos非空值。我需要以最有效的方式来做，因为行的数量是几百万。使用for循环将在计算上非常昂贵

因此，如果有人能在这方面帮助我，我将不胜感激

|Col_A   |Col_B   |
|--------|--------|
|10.2.6.1| NaN    |
|  NaN   | 51     |
|  NaN   | NaN    |
|10.2.6.1| NaN    |
|  NaN   | 64     |
|  NaN   | NaN    |
|  NaN   | NaN    |
|10.2.6.1| NaN    |

根据该条件，在本例中，每当Col_A有任何值（非空）10.2.6.1时，Col_B中最后看到的值（分别为51,61）将粘贴到Col_A值不为空的对应行上。数据集应如下所示：

|Col_A   |Col_B   |
|--------|--------|
|10.2.6.1| NaN    |
|  NaN   | 51     |
|  NaN   | NaN    |
|10.2.6.1| 51     |
|  NaN   | 64     |
|  NaN   | NaN    |
|  NaN   | NaN    |
|10.2.6.1| 64     |

我尝试使用下面的代码，但不起作用：

df.loc[df["Col_A"].notnull(),'Col_B'] = df.loc[df["Col_B"].notnull(),'Col_B']

---

可以使用最新的非NaN值正向填充NaN值

如果要将NAN保留在

列B

中，只需创建一个新列（

列C

），如下所示：

df['Col_C'] = df['Col_B'].ffill()

然后替换

列B

中的值，其中

列A

有一个值：

df.loc[df['Col_A'].notnull(), 'Col_B'] = df.loc[df['Col_A'].notnull(), 'Col_C']
df = df.drop(columns=['Col_C'])

结果:

       Col_A    Col_B
0   10.2.6.1      NaN
1        NaN     51.0
2        NaN      NaN
3   10.2.6.1     51.0
4        NaN     64.0
5        NaN      NaN
6        NaN      NaN
7   10.2.6.1     64.0

       Col_A    Col_B
3   10.2.6.1     51.0
7   10.2.6.1     64.0

---

如果不需要保留所有NaN行，则可以简化上述操作。例如，可以执行以下操作：

df['Col_B'] = df['Col_B'].ffill()
df = df.dropna()

结果:

       Col_A    Col_B
0   10.2.6.1      NaN
1        NaN     51.0
2        NaN      NaN
3   10.2.6.1     51.0
4        NaN     64.0
5        NaN      NaN
6        NaN      NaN
7   10.2.6.1     64.0

       Col_A    Col_B
3   10.2.6.1     51.0
7   10.2.6.1     64.0

---

谢谢！是的，它工作正常，而且速度非常快。顺便问一下，如果不将我的内容复制到另一个虚拟列（Col_B）中并在以后将其删除，还有其他选择吗？@DarkStar:除了直接在

Col_B

上执行

ffill

作为答案中的简化方法外，我想不出任何好的方法。删除的附加列的使用应该相对较快，并且不会有太多开销。