如何基于Pandas DataFrame同姓名对应已有Email填充NaN值？

方法1：分组取组内非空值填充 #

你可以按Name分组，对每个组的Email列用transform方法，用组内的有效邮箱填充所有NaN值：

df['Email'] = df.groupby('Name')['Email'].transform(lambda x: x.fillna(x.dropna().iloc[0]))

逻辑是：对每个用户组，先筛选出非空的邮箱（x.dropna()），取第一个有效值（iloc[0]），再用这个值覆盖组内所有NaN。

方法2：双向填充（适配更多场景） #

如果你的数据中NaN可能出现在组内任意位置（比如有的组非空值在前面，有的在后面），可以用双向填充的方式：

df['Email'] = df.groupby('Name')['Email'].transform(lambda x: x.bfill().ffill())

bfill()先向后填充（用后面的非空值填前面的NaN），ffill()再向前填充（用前面的非空值填后面的NaN），确保组内所有位置都能被正确填充。

你的原有代码无效的原因 #

pd.np.where((df['Name']==df['Name']), df['Email'], '0')里，df['Name']==df['Name']永远为True，这个语句等价于直接返回原Email列，自然不会修改任何NaN值。

• 代码块：用三个反引号（```）包裹代码，开头指定语言（比如python）可触发语法高亮：

  import pandas as pd
  import numpy as np
  # 你的代码内容
  

• DataFrame输出：把print(df)的结果用```text包裹，保留原格式：

  Name      Email
  0    James Martin        NaN
  1    James Martin  jm@so.com
  

• 问题描述：清晰分点说明需求、尝试过的代码、预期结果，方便其他开发者快速理解你的问题。

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