如何基于姓名匹配填充Python DataFrame中Service列的NaN值？

首先需要注意：你提供的示例数据里的'NaN'是字符串类型，需要先转换为Pandas能识别的实际缺失值np.nan，否则无法用缺失值处理方法。

推荐方法：Pandas原生高效实现 #

不需要复杂的for循环或lambda，用Pandas的分组和映射就能快速完成，效率远高于循环：

步骤1：构建正确的DataFrame #

import pandas as pd
import numpy as np

data = [['P, Carl', 'NaN'],
        ['P, Carl', 'Endocrinology'],
        ['P, Carl', 'NaN'],
        ['W, Kate', 'Neurology'],
        ['W, Kate', 'NaN'],
        ['V, John', 'NaN']]

df = pd.DataFrame(data, columns=['Name', 'Service'])
# 将字符串'NaN'转为实际缺失值
df['Service'] = df['Service'].replace('NaN', np.nan)

步骤2：填充缺失值 #

方式1：先构建姓名-服务映射再填充

# 提取每个姓名对应的第一个有效Service值（去重后）
name_service_map = df.groupby('Name')['Service'].first().dropna()
# 用映射填充NaN
df['Service'] = df['Service'].fillna(df['Name'].map(name_service_map))

方式2：用transform直接分组填充

如果需要更紧凑的写法，可用transform结合lambda（这里的lambda仅辅助分组内填充，并非遍历每一行）：

df['Service'] = df.groupby('Name')['Service'].transform(
    lambda group: group.fillna(group.dropna().iloc[0]) if not group.dropna().empty else group
)

用for循环实现（不推荐，仅满足需求） #

如果非要用for循环，思路是先建立姓名到有效服务的映射，再逐行填充：

# 第一步：构建姓名到有效Service的字典
service_map = {}
for _, row in df.iterrows():
    if pd.notna(row['Service']):
        service_map[row['Name']] = row['Service']

# 第二步：遍历每一行填充NaN
for idx, row in df.iterrows():
    if pd.isna(row['Service']) and row['Name'] in service_map:
        df.loc[idx, 'Service'] = service_map[row['Name']]

最终结果 #

处理后的DataFrame：

Name         Service
0   P, Carl  Endocrinology
1   P, Carl  Endocrinology
2   P, Carl  Endocrinology
3   W, Kate      Neurology
4   W, Kate      Neurology
5   V, John             NaN

内容的提问来源于stack exchange，提问作者keeptrying