如何用Pandas依据另一列对应值填充DataFrame同列空白值

问题场景 #

需要根据Acc num列的关联值（含格式变体，如100250--与100250属于同一账户组），填充Bank name列的NaN值。

初始DataFrame #

期望输出 #

解决方案 #

步骤1：标准化账户编号 #

先统一Acc num的格式，提取核心数字部分，确保同账户条目能被正确分组：

import pandas as pd

# 构造初始数据
df = pd.DataFrame({
    'Acc num': ['100250--', '100250', '100250', '100250', '200100', '200100', '200100', '200100'],
    'Bank name': [pd.NA, pd.NA, pd.NA, 'SBI', pd.NA, pd.NA, 'ICICI', pd.NA]
})

# 清理账户编号：移除所有非数字字符
df['Acc num cleaned'] = df['Acc num'].str.replace(r'\D', '', regex=True)

步骤2：分组填充NaN #

按清理后的账户编号分组，用组内非空值填充所有NaN：

# 分组后先向前填充、再向后填充，覆盖所有空白
df['Bank name'] = df.groupby('Acc num cleaned')['Bank name'].transform(lambda x: x.ffill().bfill())

# 可选：删除临时清理列
df = df.drop('Acc num cleaned', axis=1)

验证结果 #

执行代码后打印输出：

print(df)

得到结果：

Acc num Bank name
0  100250--       SBI
1    100250       SBI
2    100250       SBI
3    100250       SBI
4    200100     ICICI
5    200100     ICICI
6    200100     ICICI
7    200100     ICICI

补充说明 #

• 若账户编号格式完全统一，可跳过清理步骤，直接按原始Acc num分组填充。
• ffill().bfill()组合能确保不管非空值在组内的哪个位置，所有NaN都会被覆盖。

内容的提问来源于stack exchange，提问作者Pythonguy