如果要基于Acc numb填充CityName，可以尝试以下操作：

import pandas as pd
import numpy as np

df = df.replace('',np.nan)

df['CityName'] = df.groupby('Acc numb',group_keys=False).apply(lambda group: group['CityName'].ffill().bfill())

• • 说明：**

此代码按Acc numb分组，并使用ffill()和bfill()填充CityName中的缺失值，以便使用在该组中找到的CityName。如果某些Acc numb没有CityName，则行将保持为NaN

通过比较移位值与Series.cumsum的累积和创建连续组，并通过GroupBy.transform与GroupBy.first获得新列中每组的第一个非缺失值：

• 注意：910234与910324不同，因此不使用Bangalore填充。*

g = df['Acc numb'].ne(df['Acc numb'].shift()).cumsum()
df['CityName'] = df.groupby(g)['CityName'].transform('first')
print (df)
    Acc numb   CityName
0     123456      Delhi
1     123456      Delhi
2     123456      Delhi
3     123456      Delhi
4     123456      Delhi
5     910234       None
6     910234       None
7     910234       None
8     910324  Bangalore
9     910324  Bangalore
10    910324  Bangalore
11    910324  Bangalore
12    360825     Mumbai
13    360825     Mumbai
14    360825     Mumbai
15    360825     Mumbai
16    360825     Mumbai
17    123456       None
18    123456       None
19    123456       None
20    123456       None
21    123456       None