如何根据另一列中的值填充组中的 np.nan 列？答案

【问题标题】：How to fill a np.nan column in a group based on a value in another column?如何根据另一列中的值填充组中的 np.nan 列？
【发布时间】：2021-06-04 03:05:00
【问题描述】：

我有一个数据框的子集，我需要使用基于另一列的分组和条件来回填。

data = [
    ["1A", "aa", "2020-05-09"],
    ["1A", np.nan, "2020-05-09"],
    ["1A", "ab", "2020-05-10"],
    ["2A", "bb", "2020-05-09"],
    ["2A", np.nan, "2020-05-09"],
    ["2A", "bc", "2020-05-10"],
]

df = pd.DataFrame(data, columns=["product", "value", "dates"])
df

基本上，对于一部分产品，我需要根据存在的日期回填值。例如：product 1A 我需要用aa 填写value，因为它们的日期都是2020-05-09。

我还需要在数据集的子集上执行此操作，并在此操作完成后将其与其余数据重新连接。

我尝试使用带有 lambda 函数（ffill 或 bfill）的 groupby，但这不起作用，因为我确实需要根据条件填充值。

任何帮助将不胜感激？！

【问题讨论】：

标签： python pandas group-by

【解决方案1】：

让我们试试transform

df.value.fillna(df.groupby(['dates','product'])['value'].transform('first'),inplace=True)
df
  product value       dates
0      1A    aa  2020-05-09
1      1A    aa  2020-05-09
2      1A    ab  2020-05-10
3      2A    bb  2020-05-09
4      2A    bb  2020-05-09
5      2A    bc  2020-05-10

【讨论】：

【解决方案2】：

通过groupby() 和ffill() 尝试：

df['value']=df.groupby(['dates','product'])['value'].ffill()

df 的输出：

    product     value   dates
0   1A          aa      2020-05-09
1   1A          aa      2020-05-09
2   1A          ab      2020-05-10
3   2A          bb      2020-05-09
4   2A          bb      2020-05-09
5   2A          bc      2020-05-10

【讨论】：

【解决方案3】：

你可以把 na 去掉，然后用原始的 df 加入它们

df = df.set_index(['product','dates']) 
df.join(df.dropna(), how='left', lsuffix="_drop").loc[:,['value']].reset_index() 

  product       dates value                                                                                             
0      1A  2020-05-09    aa                                                                                             
1      1A  2020-05-09    aa                                                                                             
2      1A  2020-05-10    ab                                                                                             
3      2A  2020-05-09    bb                                                                                             
4      2A  2020-05-09    bb                                                                                             
5      2A  2020-05-10    bc

【讨论】：