如何基于布尔序列分组并实现跨组的前向和后向填充

本文介绍如何在 Pandas 中按“True 连续段 + 后续首个 False”逻辑划分组，并对每组内 value 列执行前向+后向填充（或仅取首个有效值），高效替代手动切片拼接。

本文介绍如何在 pandas 中按“true 连续段 + 后续首个 false”逻辑划分组，并对每组内 `value` 列执行前向+后向填充（或仅取首个有效值），高效替代手动切片拼接。

在实际数据处理中，我们常需根据布尔条件动态定义逻辑组——例如将每个 True 连续块与其后紧邻的 False 项合并为一个完整组（即“以 False 结尾的 True 断点组”）。这种分组方式不适用于标准 .cumsum() 直接标记，但可通过巧妙组合 shift()、eq()、where() 和 ffill() 构建分组键。

以下代码演示两种高效实现方案，均基于同一核心分组逻辑：

? 分组键构造原理

关键在于生成唯一组 ID：

group_key = (    df['condition'].shift()      # 将 condition 下移一行 → 原索引0变为NaN，索引1值=原索引0    .eq(False)                   # 检查 shifted 后是否为 False（即原位置前一项为 False）    .cumsum()                    # 累计求和：每次遇到原序列中 True→False 转折点时 +1    .where(df['condition'])      # 仅保留 condition==True 的组号，False 位置设为 NaN    .ffill()                     # 向前填充 NaN → 将每个 False 项归属到其前一个 True 组)

该逻辑确保：每个 True 连续段及其后第一个 False 共享相同组 ID；孤立 False 或开头 False 不参与分组（保持 NaN，后续被忽略）。

✅ 方案一：ffill().bfill() 组内双向填充（通用）

适用于每组含多个非空值、需用最近有效值双向扩散的场景：

df['value'] = (    df.groupby(group_key)['value']    .apply(lambda x: x.ffill().bfill())    .droplevel(0)  # 移除 groupby 引入的多级索引第一层)

✅ 方案二：transform('first')（推荐，更简洁高效）

若每组至多一个非空值（如示例中每组仅一个初始数值），直接取首个有效值即可：

df['value'] = df.groupby(group_key)['value'].transform('first')

transform('first') 自动跳过 NaN，返回每组第一个非空值，并广播至整组，性能优于 apply，且无需处理索引层级。

⚠️ 注意事项

• group_key 必须与 df['value'] 对齐：where(...).ffill() 确保 False 行获得前一组 ID，是正确分组的前提；
• 空组处理：若某组全为 NaN，transform('first') 返回 NaN，符合预期；apply(...ffill().bfill()) 同样保持全 NaN；
• 边界情况：首行为 False 时 shift() 产生 NaN，.eq(False) 为 False，不影响 cumsum 起始；末尾连续 False 不会被纳入任何组（因其前无 True），结果中对应 value 保持 NaN；
• 性能提示：避免 pd.concat([df1, df2, ...]) 循环拼接，本方案全程向量化，时间复杂度 O(n)。

通过这一模式，你可灵活扩展至其他“断点分组+聚合填充”任务，如会话分割、事件周期标记等，大幅提升代码可读性与运行效率。