如何在Pandas中实现分组合并（groupby）与填充操作？

你可以通过以下步骤完成字段填充，直接整合到分组逻辑或对合并后的结果处理均可：

方法一：合并后统一处理 #

1. 先重置分组后生成的多级索引，将分组列还原为普通列：

data_updated = data_updated.reset_index(drop=True)

2. 对Date、Name、Book使用向前填充（ffill）补全空值，同一分组内这些字段值一致，向前填充即可补全缺失行：

data_updated[['Date', 'Name', 'Book']] = data_updated[['Date', 'Name', 'Book']].ffill()

3. 将Course字段的空值填充为0：

data_updated['Course'] = data_updated['Course'].fillna(0)

方法二：整合到分组逻辑中 #

直接在groupby的apply函数内完成合并与填充，避免后续额外处理：

def merge_and_fill(group):
    merged = pd.merge(group, Likeliness, how='outer')
    # 填充分组内的Date、Name、Book字段
    merged[['Date', 'Name', 'Book']] = merged[['Date', 'Name', 'Book']].ffill()
    # 将Course字段空值填充为0
    merged['Course'] = merged['Course'].fillna(0)
    return merged

data_updated = DF.groupby(['Date','Name','Book', 'Course'], group_keys=False).apply(merge_and_fill)

添加group_keys=False可避免生成冗余的分组索引，让结果结构更简洁。

内容的提问来源于stack exchange，提问作者Dutt