本文介绍如何用Pandas将一列（如Column_2）中的NaN值，按行优先原则替换为另一列（如Column_1）中向下查找的第一个非空值（即后向填充结果），实现精准、高效的空值填充。
本文介绍如何用pandas将一列（如column_2）中的nan值，按行优先原则替换为另一列（如column_1）中**向下查找的第一个非空值**（即后向填充结果），实现精准、高效的空值填充。
在实际数据清洗中，常需基于关联列的逻辑填充缺失值——例如，当Column_2为空时，用Column_1中“该位置之后首次出现的有效值”来补全。这不同于简单的前向填充（ffill）或均值填充，而是一种跨列的条件填充策略。
核心思路是：先对Column_1执行后向填充（bfill()），使其每行的值变为从当前行开始向下找到的第一个非空Column_1值；再用该序列作为填充值，通过fillna()作用于Column_2的NaN位置。
✅ 正确实现代码如下：
df['Column_2'] = df['Column_2'].fillna(df['Column_1'].bfill())
该语句分两步完成：
-
df['Column_1'].bfill()生成一个与原DataFrame等长的Series：['F', 'G', 'G', 'G', 'H', 'H', 'H']（索引0处保持F；索引1–2处因下方首个非空是G，故填G；索引4–5处下方首个非空是H） -
df['Column_2'].fillna(...)仅替换Column_2中为NaN的位置，保留原有非空值（如'A', 'B', 'C', 'D'）不变。
? 注意事项：
-
bfill()默认沿行方向（axis=0）向下填充，确保“首个后续有效值”逻辑成立； - 若
Column_1末尾全为NaN，则bfill()对应位置仍为NaN，此时fillna()不会改变Column_2，需提前校验数据完整性； - 原始错误写法
df['Column_2'].ffill(...)不适用：ffill()是前向填充方法，不接受自定义填充值序列，且参数签名错误（ffill无value参数，也不支持inplace与标量混合传参）； - 如需就地修改，可加
inplace=True到fillna：df['Column_2'].fillna(df['Column_1'].bfill(), inplace=True)。
最终输出严格匹配预期：
Column_1 Column_2 0 F A 1 NaN B 2 NaN G 3 G C 4 NaN H 5 NaN D 6 H D
此方法简洁、向量化、无需循环，是Pandas处理此类“跨列依赖型空值填充”的推荐实践。
