基于另一列值替换DataFrame中的NaN缺失值

原始数据 #

df1（含缺失值） #

代码定义：

import pandas as pd
import numpy as np

df1 = pd.DataFrame([[1001, np.NaN], [1001,'C'], [1004, 'D'],[1005, 'C'], 
                   [1005,'D'], [1010, np.NaN],[1010,np.NaN],[1010,'F']], columns=['CustomerNr','Costs'])

对应表格：

df2（替换规则） #

代码定义：

df2 = pd.DataFrame([[1001, 'X'], [1010, 'Y']], columns=['CustomerNr','New Costs'])

对应表格：

期望输出 #

处理后的df1表格：

解决方案 #

步骤1：将替换规则转换为字典 #

把df2中的客户编号和对应替换值转换成字典，实现快速匹配：

replace_dict = df2.set_index('CustomerNr')['New Costs'].to_dict()

步骤2：填充NaN值 #

通过fillna结合map方法，仅替换Costs列的NaN值，替换逻辑为按客户编号匹配字典中的对应值：

df1['Costs'] = df1['Costs'].fillna(df1['CustomerNr'].map(replace_dict))

执行上述代码后即可得到期望的结果。

内容的提问来源于stack exchange，提问作者j_90