如何基于DataFrame的Column A匹配值填充Column B空值（避免误填）

针对你的需求，这里提供两种可靠的实现方式，既能按A分组填充同组非空B值，又能确保唯一A值且B为空的行保留原空值：

方法1：构建映射字典填充 #

逻辑清晰，先提前整理出所有有非空B值的A对应的填充值，再定向填充空值：

import pandas as pd
import numpy as np

# 构造样例数据
df = pd.DataFrame({
    'A': ['PK1', 'PK1', 'PK2', 'PK2', 'PK3', 'PK4', 'PK4', 'PK5'],
    'B': ['val1', np.nan, np.nan, 'val2', np.nan, 'val3', np.nan, np.nan]
})

# 生成A到非空B值的映射（仅保留存在非空B的A）
a_b_mapping = df.dropna(subset=['B']).drop_duplicates('A').set_index('A')['B'].to_dict()

# 填充空值：仅当B为空且A在映射字典中时，用对应值填充
df['B'] = df.apply(
    lambda row: a_b_mapping[row['A']] if pd.isna(row['B']) and row['A'] in a_b_mapping else row['B'],
    axis=1
)

方法2：分组Transform填充 #

利用pandas的分组transform功能，直接在组内判断是否有非空值，再决定填充内容：

# 对每个A分组，生成组内填充值（有非空B则取第一个非空值，否则留NaN）
group_fill_values = df.groupby('A')['B'].transform(
    lambda x: x.dropna().iloc[0] if not x.dropna().empty else np.nan
)

# 仅填充原B为空的行
df['B'] = df['B'].fillna(group_fill_values)

为什么这两种方法不会误填？ #

• 对于仅出现一次的A（如PK3、PK5），如果其B值为空：
  • 方法1中这类A不会出现在映射字典里，空值会被保留；
  • 方法2中分组后x.dropna().empty为True，生成的填充值是NaN，fillna不会改变原空值。

之前方法的问题 #

• ffill()/bfill()：会根据行的顺序填充相邻行的值，极易把其他A组的B值误填到唯一A的行；
• 无判断的lambda：如果没检查组内是否存在非空B值，会尝试取空序列的元素导致报错，或错误填充默认值。

内容的提问来源于stack exchange，提问作者deric