如何在Python的Pandas中按分组键填充DataFrame的缺失值？

你可以通过Pandas的groupby结合transform方法实现按分组填充缺失值的需求，具体代码如下：

import pandas as pd
import numpy as np

# 创建原始DataFrame
ds1 = {'col1':[1,1,1,1,1,1,1, 2,2,2,2,2,2,2], 
       "col2" : [1,np.NaN,np.NaN,np.NaN,np.NaN,np.NaN,np.NaN, np.NaN,np.NaN,np.NaN,np.NaN,np.NaN,np.NaN,3]}
df1 = pd.DataFrame(data=ds1)

# 按col1分组，用组内col2的非缺失值填充该组所有缺失值
df1['col2'] = df1.groupby('col1')['col2'].transform(lambda x: x.fillna(x.dropna().iloc[0]))

# 打印填充后的结果
print(df1)

代码说明： #

• groupby('col1')：按照col1的取值对DataFrame进行分组
• transform(lambda x: x.fillna(x.dropna().iloc[0]))：对每个分组的col2列执行填充操作——先筛选出该组的非缺失值，取第一个值（因每个组仅存在一个非空值），再用这个值填充组内所有NaN

如果后续场景中每个分组的非缺失值不止一个，还可以根据需求替换填充逻辑，比如用组内均值填充就把x.dropna().iloc[0]替换为x.mean()。

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