Dataframe 如何批量填充间隔空行

在开发过程中，碰到一个场景。在如下图1的Dataframe里，根据上一个有值行的值，填充下面的空。填充成如图2的样子。

图1
图2

写了一个小函数

def fill_up(df, interval):
    """
    根据上一个有值行的值,批量填充间隔空行
    :param df: Dataframe
    :param interval: 有值行的间隔
    """
    _df = df.copy()
    tmp = _df[_df['A'].notnull()]
    for index, row in tmp.iterrows():
        row_piece = row[['A']]
        fill = [row_piece for _ in range(interval - 1)]
        _df.loc[index + 1: index + interval - 1, ['A']] = fill
    return _df

其实interval也可以不需要，那就需要函数里计算间隔了，也简单，就不多写了。
可能会有人奇怪，为什么我会写row[['A']]而不是row['A'],这是因为实际中我是要批量修改多列，对于单列,row['A']当然是可以的，相当于取值，对于多列，如row[['A', 'B']],必须要这么写，才能取出两列的值。

PS: 在解决这个问题的过程中，我尝试了很多种方法。有一种方法虽然失败了，但是可以拿出来给大家借鉴一下。就是使用apply。

def fill_up(df, interval):
    """
    根据上一个有值行的值,批量填充间隔空行
    :param df: Dataframe
    :param interval: 有值行的间隔
    """
    _df = df.copy()

   def apply_func(x):
          return x[1] if x[1] != 0 else x[0]

    _df = _df.fillna(0)

    _df['A'] = _df['A'].rolling(2).apply(apply_func)

    return _df

我本来想的是apply让每一行的值去依赖上一行，如果这一行有值，就保留原值，如果这一行没值，就用上一行的值去填充。结果发现填充好的结果会变成图3的样子。

图3
结果说明apply的调用其实是针对原列，并不是时时刻刻改变的列。写在这里供大家参考。虽然多做几次循环也能实现，但是效率太低了。除非你的间隔正好是2，那用这个写法是最简洁的

发现了自己的愚蠢哈哈哈哈哈，原来Dataframe有一个填充方法，fillna, 里面的ffill方式就能直接做到。哎，之前找了很久都没找到这个方法，实在是太方便了