本文介绍一种高效、稳健的 Pandas 方法：针对 area 列中的缺失值（NaN），按最接近且不大于当前行 total 值的分组中位数进行填充，避免循环与重复计算，适用于大规模数据场景。
本文介绍一种高效、稳健的 pandas 方法：针对 `area` 列中的缺失值（nan），按最接近且不大于当前行 `total` 值的分组中位数进行填充，避免循环与重复计算，适用于大规模数据场景。
在实际数据分析中，常需基于业务逻辑对缺失值进行智能填充——而非简单使用全局均值或前向填充。本例要求：对 area 列的每个 NaN，查找 total 值相等或略小（向下匹配）的非空 area 数据，取其中位数作为填充依据。例如：total=59 无对应 area，则回退至 total=56（最近的、≤59 的存在 area 的值），取其 area=34 填充；total=20 无对应 area，但 total=8 有多个 area（51, 53），中位数为 52，故填入 52。
直接遍历 + 递减搜索（如原函数 find_area）效率低、易出错，且未处理边界情况（如 total 递减至最小值仍无匹配）。推荐采用 merge_asof + 分组中位数 的向量化方案，兼具可读性与性能：
import pandas as pd
import numpy as np
# 构造示例数据
df = pd.DataFrame({
'total': [5, 8, 8, 8, 20, 56, 59],
'area': [40, 51, 53, np.nan, np.nan, 34, np.nan]
})
# 步骤 1：按 total 分组，计算 area 中位数，并剔除全 NaN 组
median_map = df.groupby('total')['area'].median().dropna()
# 步骤 2：准备左表（含索引，用于后续定位）
left = df[['total']].reset_index()
# 步骤 3：merge_asof 实现「向下就近匹配」
# 注意：需确保 median_map 的索引（即 total）已排序，且 left 按 total 升序排列
merged = pd.merge_asof(
left.sort_values('total'),
median_map.sort_index().rename('area_fill'),
on='total',
allow_exact_matches=True # 允许 total 相等时精确匹配
).set_index('index')
# 步骤 4：仅对 area 为 NaN 的位置，用匹配到的中位数填充
mask = df['area'].isna()
df.loc[mask, 'area'] = merged.loc[mask, 'area_fill'].values
print(df)
输出结果：
total area 0 5 40.0 1 8 51.0 2 8 53.0 3 8 52.0 4 20 52.0 5 56 34.0 6 59 34.0
✅ 关键要点说明：
- merge_asof 默认执行「向后最近匹配」（direction='backward'），即对每个 total 查找 ≤ 它的最大可用 total 键——完美契合“不大于当前 total”的业务需求；
- dropna() 确保只保留有有效 area 的 total 分组，避免引入 NaN 干扰匹配；
- 使用 reset_index() + set_index('index') 保持原始行序，确保填充位置准确；
- 若数据中 total 存在重复且需严格升序，务必提前 sort_values，否则 merge_asof 行为不可控。
⚠️ 注意事项：
- 若所有 total 均小于最小非空组（如 total=3 且最小有效 total=5），merge_asof 将返回 NaN，此时需额外处理（如填充全局中位数或报错）；
- merge_asof 要求左右键列均为数值型且已排序，字符串或时间类型需先转换；
- 该方法天然支持多列扩展（如按 category 和 total 双维度分组），只需调整 groupby 和 merge_asof 的键即可。
此方案摒弃了低效循环，充分利用 Pandas 向量化操作与有序合并能力，是工业级缺失值填充的推荐实践。
