如何通过其他列过滤对指定列执行fillna()空值填充？

你可以通过Pandas的分组（groupby）结合填充方法实现需求，核心是按Last Name分组，用组内的有效值填充对应列的缺失值，以下是两种常用实现方式：

方法一：用组内首个有效值填充 #

如果同姓氏组内的Cabin/Destination值唯一，直接取组内第一个非空值填充所有缺失：

import pandas as pd

# 假设你的数据集存储在df中
# 填充Cabin列
df['Cabin'] = df.groupby('Last Name')['Cabin'].transform(
    lambda x: x.fillna(x.dropna().iloc[0]) if not x.dropna().empty else x
)
# 填充Destination列
df['Destination'] = df.groupby('Last Name')['Destination'].transform(
    lambda x: x.fillna(x.dropna().iloc[0]) if not x.dropna().empty else x
)

逻辑说明：

• groupby('Last Name')将相同姓氏的行归为一组
• transform确保返回结果与原DataFrame长度一致，不打乱行顺序
• 先判断组内是否存在非空值，存在则用首个非空值填充组内缺失，否则保留原缺失

方法二：组内前后向填充（适用于组内有多个有效值的场景） #

如果同姓氏组内的有效值分布在不同行，可先前向填充（用前面的有效值填后面的缺失），再后向填充（用后面的有效值填前面的缺失），确保组内所有缺失都被覆盖：

df[['Cabin', 'Destination']] = df.groupby('Last Name')[['Cabin', 'Destination']].apply(
    lambda x: x.ffill().bfill()
)

逻辑说明：

• ffill()会把组内前一行的有效值填充到当前行的缺失
• bfill()反向填充，把组内后一行的有效值填充到当前行的缺失
• 两者结合可覆盖组内所有位置的缺失，前提是组内至少有一个有效值

注意事项 #

• 如果某个Last Name组内的目标列全为缺失值，上述方法会保留这些缺失（无有效值可用）
• 若组内存在多个不同的有效值，方法一取首个值，方法二会按行顺序填充，可根据实际业务需求选择

内容的提问来源于stack exchange，提问作者Henry Huynh Pham