基于同组已有值按条件填充Pandas DataFrame的Code列

现有如下Pandas DataFrame：

import pandas as pd

df = pd.DataFrame({'Make': ['Tesla','Tesla','Tesla','Toyota','Ford','Ford','Ford','BMW','BMW','BMW','Mercedes','Mercedes','Mercedes'],
                   'Type': ['Model X','Model X','Model X','Corolla','Bronco','Bronco','Mustang','3 Series','3 Series','7 Series','C-Class','C-Class','S-Class'],
                   'Year': [2015, 2015, 2015, 2017, 2018, 2018, 2020, 2015, 2015, 2017, 2018, 2018, 2020],
                   'Price': [85000, 90000, 95000, 20000, 35000, 35000, 45000, 40000, 40000, 65000, 50000, 50000, 75000],
                   'Color': ['White','White','White','Red','Blue','Blue','Yellow','Silver','Silver','Black','White','White','Black'],
                   'Code'  : ['TSLABG','TSLA',None,'TYTA','FRD','_BG',None,None,'BMW','BMW','MercedesBG','Mercedes_BG','MercedesBG']
                  })

原始数据展示：

需求说明 #

• 基于Make列更新Code列，若Code列存在None值，使用同Make组内的其他Code值填充
• 若同组内存在带BG或_BG后缀的Code值，该组所有Code值需统一添加对应后缀

规则示例 #

• BMW组无BG/_BG后缀，填充None后仍为BMW
• Ford组存在FRD和_BG，需统一为FRD_BG
• Mercedes组需统一为Mercedes_BG

尝试的代码及问题 #

尝试使用以下代码处理：

code = (df['Code'].str.split('(_)', expand=True).add_prefix('part').replace('-', None).groupby(df['Make']).transform('first').fillna('').agg(''.join, axis=1))
df['Code'] = code
df

但输出中Mercedes组的Code为MercedesBG_BG，不符合预期的Mercedes_BG，需修正代码以得到目标输出。

我们需要先提取每组的基础代码和后缀类型，再统一拼接。修正后的代码如下：

def process_group(group):
    # 获取组内非空的Code值
    codes = group['Code'].dropna()
    if codes.empty:
        return group['Code']
    
    base_codes = []
    suffix = ''
    # 遍历组内有效Code，识别基础部分和标准后缀
    for code in codes:
        if code.endswith('_BG'):
            base_codes.append(code[:-3])
            suffix = '_BG'
        elif code.endswith('BG'):
            base_codes.append(code[:-2])
            # 组内存在_BG后缀时优先选用
            if any(c.endswith('_BG') for c in codes):
                suffix = '_BG'
            else:
                suffix = 'BG'
        else:
            base_codes.append(code)
            # 检查组内是否有带后缀的Code，确定统一后缀
            if any(c.endswith(('BG', '_BG')) for c in codes):
                suffix = '_BG' if any(c.endswith('_BG') for c in codes) else 'BG'
    
    # 取出现次数最多的基础代码作为组内标准基础
    standard_base = pd.Series(base_codes).mode()[0]
    # 为整组生成统一Code
    group['Code'] = standard_base + suffix
    return group

# 按Make分组处理
df = df.groupby('Make', group_keys=False).apply(process_group)

处理后的结果：

代码说明 #

• 优先识别并选用_BG作为统一后缀（如果组内存在），避免重复拼接后缀的问题
• 使用众数确定组内标准基础代码，确保基础部分的准确性
• 为整组统一生成Code，保证同组内所有值一致且符合需求

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