如何在Python中基于匹配列的已有信息填充DataFrame空行数据

针对你提出的需求——根据A列的分组关系，用同组内已有的非空值填充对应行的空值，这里有两种简洁高效的实现方式，基于pandas库完成：

方法一：使用groupby + transform精准填充 #

这种方式会为每个A列分组提取对应列的第一个非空值，并用它填充该组内所有同列的空值，逻辑清晰且精准：

import pandas as pd
import numpy as np

# 构建你提供的示例DataFrame
df = pd.DataFrame({
    'A': ['A1', 'A2', 'A2', 'A1'],
    'B': ['R3', 'R2', np.nan, np.nan],
    'C': ['P5', 'P4', 'P4', np.nan]
})

# 执行填充操作
filled_cols = df.groupby('A').transform(lambda col: col.fillna(col.dropna().iloc[0]))
# 将填充后的列替换回原DataFrame
df[['B', 'C']] = filled_cols[['B', 'C']]

方法二：使用groupby + 前后填充（更简洁） #

如果你的分组内至少有一行包含完整的非空值，这种方式会更简洁：先在组内向前填充（用前面的非空值填后面的空），再向后填充（处理可能前面无值的极端情况）：

import pandas as pd
import numpy as np

df = pd.DataFrame({
    'A': ['A1', 'A2', 'A2', 'A1'],
    'B': ['R3', 'R2', np.nan, np.nan],
    'C': ['P5', 'P4', 'P4', np.nan]
})

# 组内前后填充完成空值补充
df_filled = df.groupby('A').fillna(method='ffill').fillna(method='bfill')

最终效果 #

两种方法都会得到你期望的结果：

原理说明 #

• groupby('A') 会将DataFrame按A列的值分成独立分组（比如A1组包含第1、4行，A2组包含第2、3行）
• 填充操作仅在组内生效，确保不会跨组填充错误的值
• 方法一的transform保证处理后的数据保持原始DataFrame的索引和形状，无需额外调整

内容的提问来源于stack exchange，提问作者Mufeez