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 total 列分组计算非空 area 的中位数，并利用 merge_asof 实现“向下就近匹配”——即当某 total 值无对应中位数时，自动回退到小于等于该值的最大可用 total 组的中位数进行填充。
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 `total` 列分组计算非空 `area` 的中位数，并利用 `merge_asof` 实现“向下就近匹配”——即当某 `total` 值无对应中位数时，自动回退到小于等于该值的最大可用 `total` 组的中位数进行填充。
在实际数据分析中，常需根据业务逻辑对缺失值进行智能填充。本例要求：对 area 列的 NaN 值，优先使用相同 total 值对应的所有非空 area 的中位数；若该 total 下无有效 area 数据，则降序查找最接近且 ≤ 当前 total 的、存在中位数的 total 分组，并复用其 area 中位数。这本质上是一种“有序键的向后填充式映射”，pandas.merge_asof 正是为此类场景设计的核心工具。
以下是完整实现步骤与代码：
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]
})
# Step 1: 按 total 分组，计算每组 area 的中位数（自动忽略 NaN）
# 并剔除所有中位数为 NaN 的组（即该 total 下无有效 area）
tmp = df.groupby('total')['area'].median().dropna()
# Step 2: 使用 merge_asof 进行“向后最近匹配”
# 注意：merge_asof 要求左右键均升序；tmp 的 index 即 total，已天然有序
# 将原始 df 的 total 提取为独立 DataFrame（带原始索引），与 tmp 合并
filled_series = pd.merge_asof(
df[['total']].reset_index(), # 左表：含原始索引和 total
tmp.reset_index(name='area_median'), # 右表：total → area_median
on='total'
).set_index('index')['area_median']
# Step 3: 仅对原 df 中 area 为 NaN 的位置，用 filled_series 对应值填充
df.loc[df['area'].isna(), 'area'] = filled_series[df['area'].isna()]运行后，df 输出为：
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
✅ 关键说明：
- groupby('total')['area'].median() 自动跳过 NaN，返回每个 total 对应的中位数（如 total=8 → (51+53)/2 = 52）；
- dropna() 确保右表 tmp 仅含有效中位数，避免 merge_asof 匹配到无效值；
- merge_asof(..., on='total') 默认 direction='backward'，即对左表每个 total，查找右表中 ≤ 它且最接近的 total 键 —— 完美契合“降序回退找相似 total”的需求（如 total=59 匹配 total=56，total=20 匹配 total=8）；
- 使用布尔索引 df['area'].isna() 精准定位待填充位置，避免覆盖已有有效值。
⚠️ 注意事项：
- merge_asof 要求 on 列在左右表中均严格升序；若原始 total 无序，需先 sort_values()；
- 若所有 total ≤ 当前值 的组均无有效 area（即 tmp 为空），merge_asof 将返回 NaN，建议增加兜底逻辑（如全局中位数）；
- 此方法时间复杂度为 O(n log m)，远优于循环逐行查找，适合中大型数据集。
该方案兼顾准确性、可读性与性能，是处理“基于邻近分组统计量填充缺失值”问题的标准实践。
