如何用Pandas Groupby按组填充唯一值补全缺失值？

原始数据 #

import pandas as pd
import numpy as np

df = pd.DataFrame({'value': [1, np.nan, np.nan, 2, 2, 2, 3, np.nan, 3], 'name': ['A','A', 'B','B','B','B', 'C','C','C']})

原始DataFrame输出：

name  value
0    A    1.0
1    A    NaN
2    B    NaN
3    B    2.0
4    B    2.0
5    B    2.0
6    C    3.0
7    C    NaN
8    C    3.0

需求说明 #

基于name列分组，用每组唯一的非NaN值填充组内所有缺失值（已知每组除NaN外仅存在一个唯一值）。

实现方法 #

方法1：groupby + transform 直接赋值

因为每组非NaN值唯一，使用first/max/min等聚合函数都能提取到该唯一值，再通过transform将值广播到组内所有行，自动覆盖NaN：

df['value'] = df.groupby('name')['value'].transform('first')

方法2：fillna 结合 groupby.transform

通过fillna指定填充值为分组后的唯一非NaN值：

df['value'] = df['value'].fillna(df.groupby('name')['value'].transform('max'))

处理后结果 #

name  value
0    A    1.0
1    A    1.0
2    B    2.0
3    B    2.0
4    B    2.0
5    B    2.0
6    C    3.0
7    C    3.0
8    C    3.0

内容的提问来源于stack exchange，提问作者user308827