基于另一DataFrame的条件实现Pandas fillna的技术方案

原始数据 #

表1（待填充数据） #

表2（权限映射表） #

填充规则 #

• 表1的Access1字段需匹配表2中同Condition且Accessor1为Yes的用户，Access2字段匹配同Condition且Accessor2为Yes的用户
• 若某用户同时拥有两项权限（如Bob、Ben），可同时填入对应记录的Access1和Access2
• 当同Condition的符合条件用户遍历完毕后，循环复用用户列表（如aa组的第3条记录ID=5，重新从John、Mary开始匹配）

预期结果表 #

Pandas实现方案 #

代码实现 #

import pandas as pd

# 构造原始数据
df1 = pd.DataFrame({
    'ID': [1,2,3,4,5,6,7],
    'Condition': ['aa','aa','bb','bb','aa','bb','aa'],
    'Access1': [pd.NA]*7,
    'Access2': [pd.NA]*7
})

df2 = pd.DataFrame({
    '姓名': ['John','Mary','Bob','Ben','Peter'],
    'Condition': ['aa','aa','aa','bb','bb'],
    'Accessor1': ['Yes','No','Yes','Yes','No'],
    'Accessor2': ['No','Yes','Yes','Yes','Yes']
})

# 为每个Condition生成可循环的权限用户列表
access1_candidates = df2[df2['Accessor1'] == 'Yes'].groupby('Condition')['姓名'].apply(list).to_dict()
access2_candidates = df2[df2['Accessor2'] == 'Yes'].groupby('Condition')['姓名'].apply(list).to_dict()

# 定义分组填充函数
def fill_group_records(group):
    cond = group['Condition'].iloc[0]
    a1_list = access1_candidates[cond]
    a2_list = access2_candidates[cond]
    group_len = len(group)
    # 生成循环索引（取模实现复用）
    a1_indices = [i % len(a1_list) for i in range(group_len)]
    a2_indices = [i % len(a2_list) for i in range(group_len)]
    # 填充对应字段
    group['Access1'] = [a1_list[idx] for idx in a1_indices]
    group['Access2'] = [a2_list[idx] for idx in a2_indices]
    return group

# 按Condition分组执行填充
result_df = df1.groupby('Condition', group_keys=False).apply(fill_group_records)

# 查看结果
print(result_df)

逻辑说明 #

1. 从表2中筛选出符合Access1、Access2权限的用户，按Condition分组存储为可复用的列表字典
2. 对表1按Condition分组后，通过取模运算为每组的每条记录生成循环索引，实现用户列表的循环复用
3. 将索引对应的用户值批量填入表1的Access1和Access2字段

内容的提问来源于stack exchange，提问作者user23638854