使用字典 pandas 填充 NaN 值答案

【问题标题】：Fill NaN values using dictionary pandas使用字典 pandas 填充 NaN 值
【发布时间】：2021-12-14 09:38:56
【问题描述】：

我有一个数据框 dfp，其中包含 Brand_ID 和 Brand_Name 列（以及更多列，例如 Product_ID、Product_Name 等）

一些品牌名称是 NaN，因为多个品牌 ID 用逗号分隔（见图）

我想用逗号分隔的实际品牌名称填充这些 NaN。我有一个参考字典，我可以用它

【问题讨论】：

如果dfp 中的一行有两个Brand_Id，可以在x 中找到怎么办？比如说 ID 8457 和 17831 是 x 中的键，你会怎么做？
Brand_ID 是什么类型的数据？字符串？
@Riley，是的，Brand_ID 是字符串
@BeChillerToo，如果 Brand_ID 中的一行有两个 Brand_ID，则返回 Brand_Name 中的空值。仅当有一个 Brand_ID 时，它才会给出正确的 Brand_Name
哦，好吧，那么我想您可以将字典转换为数据框，然后加入（或根据您的索引合并）您的两个数据框

标签： python pandas dataframe dictionary apply

【解决方案1】：

对于缺少值的行，使用 lambda 函数来拆分值、匹配字典和连接：

df = pd.DataFrame({'Brand_ID': ['11,12,15','10','15,11'],
                   'Brand_Name': [np.nan, 'aaa', np.nan]})


x = {'11': 'ww', '12': 'oup', '15': 'ret'}
m = df['Brand_Name'].isna()
f = lambda y: ','.join(x[z] for z in y.split(',') if z in x)
df.loc[m, 'Brand_Name'] = df.loc[m, 'Brand_ID'].apply(f)

print(df)
   Brand_ID  Brand_Name
0  11,12,15  ww,oup,ret
1        10         aaa
2     15,11      ret,ww

【讨论】：