2018 年 10 月 22 日更新： 我有以下数据集：
data = [('D',1,10,8),
('D',2,12,12),
('X',1,28,np.NaN),
('D',3,np.NaN,np.NaN),
('X',2,np.NaN,25),
('X',3,32,25),
('T',1,220,np.NaN),
('X',4,30,np.NaN),
('T',2,240,np.NaN),
('X',2,38,np.NaN),
('T',3,np.NaN,np.NaN),
('T',4,200,150)]
labels = ['item', 'month','normal_price','final_price']
df = pd.DataFrame.from_records(data, columns=labels)
item month normal_price final_price
0 D 1 10.0 8.0
1 D 2 12.0 12.0
2 X 1 28.0 NaN
3 D 3 NaN NaN
4 X 2 NaN 25.0
5 X 3 32.0 25.0
6 T 1 220.0 NaN
7 X 4 30.0 NaN
8 T 2 240.0 NaN
9 X 2 38.0 NaN
10 T 3 NaN NaN
11 T 4 200.0 150.0
我想用前一个月的 , 填写每个项目NaN的'normal_price',列（如果在下个月不可用）。我试过用这个：'final_price''normal_price''final_price'
df[['normal_price','final_price']]=df[['normal_price','final_price']].fillna(method='ffill')
但它给了我这个：
item month normal_price final_price
0 D 1 10.0 8.0
1 D 2 12.0 12.0
2 X 1 28.0 12.0*
3 D 3 28.0* 12.0
4 X 2 28.0 25.0
5 X 3 32.0 25.0
6 T 1 220.0 25.0*
7 X 4 30.0 25.0
8 T 2 240.0 25.0*
9 X 2 38.0 25.0
10 T 3 38.0* 25.0*
11 T 4 200.0 150.0
问题在于带有星号的案例（我也尝试过'bfill'）。这些值应根据其正确的项目填写。理想情况下，我应该得到：
item month normal_price final_price
0 D 1 10.0 8.0
1 D 2 12.0 12.0
2 X 1 28.0 25.0
3 D 3 12.0 12.0
4 X 2 28.0 25.0
5 X 3 32.0 25.0
6 T 1 220.0 150.0
7 X 4 30.0 25.0
8 T 2 240.0 150.0
9 X 2 38.0 25.0
10 T 3 220.0 150.0
11 T 4 200.0 150.0
我还尝试了以下方法（根据日期提供的答案）：
df[['normal_price','final_price']].ffill(limit=1).bfill(limit=1)
或者
df[['normal_price','final_price']]=df[['normal_price','final_price']].interpolate(method='nearest')
但是他们都没有给我与每个项目相对应的合理填充。我找到了这个方法：
df[['normal_price','final_price']]=df[['normal_price','final_price']].fillna(df.groupby(['item'])[['normal_price','final_price']].transform('mean'))
它工作得更好，但它为值引入了不可预测的值（在本例中为'mean'）NaN，而不是我最初想要的前面或后面的值。我试图将这个df.groupby(['item'])概念与'.ffill'or结合起来'.bfill'，但到目前为止还没有成功。