基于B类父ID补全DataFrame中A类父ID的技术实现问题

现有如下结构的DataFrame：

A ID | A Parent ID | B ID | B Parent ID
1    | NA          | 11   | NA
2    | 1           | 12   | 11
3    | NA          | 13   | 11
4    | 2           | 14   | 12
5    | 2           | 15   | 12
6    | NA          | 16   | 12
7    | NA          | 17   | 13
8    | 3           | 18   | 13
9    | 6           | 19   | 16
10   | NA          | 20   | 17

需求：当B Parent ID不为空时，将A Parent ID填充为该行B Parent ID匹配的B ID所对应的A ID值，补全缺失的A类父ID，期望输出：

A ID | A Parent ID | B ID | B Parent ID
1    | NA          | 11   | NA
2    | 1           | 12   | 11
3    | 1           | 13   | 11
4    | 2           | 14   | 12
5    | 2           | 15   | 12
6    | 2           | 16   | 12
7    | 3           | 17   | 13
8    | 3           | 18   | 13
9    | 6           | 19   | 16
10   | 7           | 20   | 17

已尝试.loc、np.where、.map方法但未成功，且DataFrame约14万行，逐行迭代效率过低。

用pandas矢量化操作处理，全程避免逐行循环，适合大数据集：

1. 构建映射字典：从原DataFrame中提取B ID和对应A ID的关系，存成字典，方便快速查找
2. 生成填充值：用B Parent ID去查字典，得到对应的A ID，作为填充用的值
3. 补全缺失值：把A Parent ID里的空值替换成上面得到的填充值

代码实现 #

import pandas as pd
import numpy as np

# 构造示例数据（实际使用时替换成你的DataFrame）
data = {
    "A ID": [1,2,3,4,5,6,7,8,9,10],
    "A Parent ID": [np.nan,1,np.nan,2,2,np.nan,np.nan,3,6,np.nan],
    "B ID": [11,12,13,14,15,16,17,18,19,20],
    "B Parent ID": [np.nan,11,11,12,12,12,13,13,16,17]
}
df = pd.DataFrame(data)

# 步骤1：建立B ID到A ID的映射字典
b_id_to_a_id = df.set_index("B ID")["A ID"].to_dict()

# 步骤2：用B Parent ID映射出对应的A ID，得到填充列
fill_values = df["B Parent ID"].map(b_id_to_a_id)

# 步骤3：填充A Parent ID的缺失值
df["A Parent ID"] = df["A Parent ID"].fillna(fill_values)

# 查看结果
print(df)

说明 #

• 映射字典的构建是一次性操作，时间复杂度O(n)，效率极高
• map和fillna都是pandas的矢量化方法，内部用C实现，处理14万行数据毫无压力
• 只有当B Parent ID非空时，才会生成有效的填充值；如果B Parent ID为空，map后得到的是NaN，不会替换原A Parent ID的空值，符合需求

内容的提问来源于stack exchange，提问作者Luke Haws