如何基于Name字段填充Pandas数据集中缺失的ID值？

你的问题核心是同一个Name对应唯一的ID，普通的ffill()会跨Name填充，导致错误。可以通过以下两种方式解决：

方法1：构建Name-ID映射字典填充 #

先提取每个Name对应的有效ID，再用这个映射批量填充缺失值：

import pandas as pd

# 读取/构造你的数据集（这里模拟原始数据）
df = pd.DataFrame({
    'ID': ['', '101', '', '101', '102', '102', '', '', '103'],
    'Name': ['Adam', 'Adam', 'Adam', 'Adam', 'Ben', 'Ben', 'Cathy', 'Cathy', 'Cathy']
})

# 将空字符串转为缺失值（如果你的原始数据是NaN可跳过这步）
df['ID'] = df['ID'].replace('', pd.NA)

# 生成Name到对应ID的映射（取每个Name下第一个非空ID）
id_map = df.dropna(subset=['ID']).groupby('Name')['ID'].first().to_dict()

# 填充缺失的ID
df['ID'] = df['Name'].map(id_map)

方法2：按Name分组后填充 #

利用分组操作，在每个Name的组内单独做向前/向后填充，避免跨Name污染：

import pandas as pd

# 读取/构造数据集
df = pd.DataFrame({
    'ID': ['', '101', '', '101', '102', '102', '', '', '103'],
    'Name': ['Adam', 'Adam', 'Adam', 'Adam', 'Ben', 'Ben', 'Cathy', 'Cathy', 'Cathy']
})

df['ID'] = df['ID'].replace('', pd.NA)

# 按Name分组后，组内向前填充缺失ID
df['ID'] = df.groupby('Name')['ID'].ffill()
# 也可以用向后填充，效果一致：df['ID'] = df.groupby('Name')['ID'].bfill()

两种方法处理后，都能得到你期望的结果。

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