使用大熊貓數據幀的形式：     A     B     CID                1   10   NaN   NaN2   20   NaN   NaN3   28  10.0   NaN4   32  18.0  10.05   34  22.0  16.06   34  24.0  20.07   34  26.0  21.08   34  26.0  22.0如何刪除不同數量的初始缺失值？最初，我想向前填充“新”列的最后一個值，所以我最終會得到這個：    A     B     C0  10  10.0  10.01  20  18.0  16.02  28  22.0  20.03  32  24.0  21.04  34  26.0  22.05  34  26.0  22.06  34  26.0  22.07  34  26.0  22.0但我想在剩余的行上也有nans也是很自然的：    A     B     C0  10  10.0  10.01  20  18.0  16.02  28  22.0  20.03  32  24.0  21.04  34  26.0  22.05  34  26.0   NaN6  34   NaN   NaN7  34   NaN   NaN以下是問題的直觀表示形式：以前：后：我提出了一個笨重的方法，使用for循環，我使用刪除前導nan，計算我刪除的值的數量（N），附加最后一個可用數字N次，并逐列構建新的數據幀。但事實證明，對于較大的數據幀來說，這是非常慢的。我覺得這已經是萬能熊貓庫的內置功能，但到目前為止我還沒有找到任何東西。有沒有人建議用一種不那么繁瑣的方式來做到這一點？df.dropna()使用示例數據集完成代碼：import pandas as pdimport numpy as np# sample dataframedf = pd.DataFrame({'ID':[1,2,3,4,5,6,7,8],                    'A': [10,20,28,32,34,34,34,34],                   'B': [np.nan, np.nan, 10,18,22,24,26,26],                    'C': [np.nan, np.nan, np.nan,10,16,20,21,22]})df=df.set_index('ID')# container for dataframe# to be built using a for loopdf_new=pd.DataFrame()for col in df.columns:    # drop missing values column by column    ser = df[col]    original_length = len(ser)    ser_new = ser.dropna()    # if leading values are removed for N rows.    # append last value N times for the last rows    if len(ser_new) <= original_length:        N = original_length - len(ser_new)        ser_append = [ser.iloc[-1]]*N        #ser_append = [np.nan]*N        ser_new = ser_new.append(pd.Series(ser_append), ignore_index=True)    df_new[col]=ser_newdf_new