以下是一个示例代码，可以实现按组重复值，直到出现新的值，并且只有在第一个非NA值出现时才重复。

import pandas as pd
import numpy as np

# 创建示例数据
data = {
    'group': ['A', 'A', 'A', 'B', 'B', 'B'],
    'value': [1, np.nan, np.nan, 2, 3, np.nan]
}
df = pd.DataFrame(data)

# 按组重复值，直到出现新的值
df['new_value'] = df.groupby('group')['value'].ffill()

# 只有在第一个非NA值出现时才重复
df['new_value'] = df.groupby('group')['new_value'].apply(lambda x: x.bfill().ffill())

print(df)

输出结果为：

  group  value  new_value
0     A    1.0        1.0
1     A    NaN        1.0
2     A    NaN        1.0
3     B    2.0        2.0
4     B    3.0        3.0
5     B    NaN        3.0

在这个示例中，我们使用了Pandas库来处理数据。首先，我们创建了一个包含组和值的DataFrame。然后，我们使用groupby函数按组对值进行分组。接下来，我们使用ffill函数将组内的值前向填充到缺失值。最后，我们使用apply函数和bfill函数来处理只有在第一个非NA值出现时才重复的情况。最终，我们将新的值存储在new_value列中，并输出整个DataFrame。