如何用Pandas处理不等子集替换DataFrame行数据？

现有如下Pandas DataFrame（df1）：

期望得到的输出为：

尝试的代码如下：

1. 将city和state列的0替换为np.NaN

import pandas as pd
import numpy as np

data = {
    "ID": [1,1,1,2,2,2,2,3,3,3],
    "customer_only": ['N','Y',0,'N','Y',0,0,'N','Y',0],
    "city": [0,0,'A',0,0,'C','E',0,0,'G'],
    "state": [0,0,'B',0,0,'D','F',0,0,'H']}

df1 = pd.DataFrame(data)

df1[['city', 'state']] = df1[['city', 'state']].replace(0, np.NaN)

2. 使用bfill()填充缺失值

df1[['city', 'state']] = df1[['city', 'state']].bfill()

但ID=2的情况未达到预期，尝试groupby也无法调整行维度，寻求解决建议。

核心需求是：对每个ID，将该ID下customer_only为'N'/'Y'的行，分别与该ID下所有customer_only为0的行（对应有效地址）进行笛卡尔积拼接，同时丢弃原customer_only为0的行。

步骤如下：

1. 拆分原始DataFrame为两部分：
   • 客户行：筛选customer_only为'N'或'Y'的行，保留ID和customer_only列
   • 地址行：筛选customer_only为0的行，保留ID、city、state列
2. 按ID对两部分进行内连接，生成每个客户对应所有地址的组合
3. 按需排序，得到最终结果

实现代码：

import pandas as pd
import numpy as np

# 原始数据
data = {
    "ID": [1,1,1,2,2,2,2,3,3,3],
    "customer_only": ['N','Y',0,'N','Y',0,0,'N','Y',0],
    "city": [0,0,'A',0,0,'C','E',0,0,'G'],
    "state": [0,0,'B',0,0,'D','F',0,0,'H']}

df1 = pd.DataFrame(data)

# 拆分客户行和地址行
customer_df = df1[df1['customer_only'].isin(['N', 'Y'])][['ID', 'customer_only']]
address_df = df1[df1['customer_only'] == 0][['ID', 'city', 'state']]

# 按ID内连接，生成笛卡尔积
result = pd.merge(customer_df, address_df, on='ID', how='inner')

# 按ID和customer_only排序，匹配预期输出顺序
result = result.sort_values(by=['ID', 'customer_only']).reset_index(drop=True)

print(result)

运行后输出：

ID customer_only city state
0   1             N    A     B
1   1             Y    A     B
2   2             N    C     D
3   2             N    E     F
4   2             Y    C     D
5   2             Y    E     F
6   3             N    G     H
7   3             Y    G     H

之前用bfill()的问题在于：

• 对ID=2，bfill()只会将第一个有效地址（C,D）填充到前面的NaN行，无法自动复制客户行来匹配多个地址
• 单纯的groupby填充仅能填充缺失值，无法改变行的数量，无法实现"一个客户对应多个地址就生成多行"的需求

内容的提问来源于stack exchange，提问作者SChatcha