如何基于已有数据填充Jupyter Notebook数据集State列的NaN值

步骤1：自动生成City到State的映射字典 #

先从数据集中已有的非缺失State的行里提取唯一的City-State对应关系，生成映射字典，避免手动逐个输入：

import pandas as pd

# 假设你的数据集已读入为df
city_state_map = df.dropna(subset=['State']).drop_duplicates(subset=['City']).set_index('City')['State'].to_dict()

这段代码会：

• 过滤掉State列有缺失的行
• 对每个City只保留一条有效对应记录
• 转成{城市: 邦/州}的字典格式

步骤2：手动补充特殊映射（可选） #

如果数据集中存在部分City没有有效对应记录（比如题目里的示例），可以直接更新映射字典：

city_state_map.update({
    'Chennai': 'Tamil Nadu',
    'Vishakapatnam': 'Andhra Pradesh'
})

步骤3：填充缺失值 #

用映射字典匹配City列，填充State列的NaN值：

df['State'] = df['State'].fillna(df['City'].map(city_state_map))

注意事项 #

• 如果某个City对应多个不同的State，drop_duplicates会保留第一条出现的记录，你可以根据需求调整（比如用groupby取最常见的State）
• 填充后仍存在NaN的行，说明对应的City在映射字典里没有匹配项，需要进一步处理（比如手动补充或标记）

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