按姓名分组填充DataFrame列中的缺失值（NaN）

完全可以实现，核心逻辑是按姓名字段分组，用每个分组内的有效非空值统一填充该组对应个人数据列的所有NaN。

具体实现代码 #

假设你的DataFrame名为df，姓名列是姓名，需要填充的个人数据列是性别、偏好起跳腿：

# 方案1：用分组内第一个非空值填充（优先推荐）
df[['性别', '偏好起跳腿']] = df.groupby('姓名')[['性别', '偏好起跳腿']].transform(
    lambda x: x.fillna(x.dropna().iloc[0]) if not x.dropna().empty else x
)

# 方案2：前向填充+后向填充，确保分组内所有NaN被覆盖
df[['性别', '偏好起跳腿']] = df.groupby('姓名')[['性别', '偏好起跳腿']].apply(
    lambda x: x.ffill().bfill()
)

关键注意点 #

• 必须保证每个姓名分组内，对应个人数据列至少存在一个非空值，否则填充后仍为NaN
• 提前校验分组内数据一致性：比如用df.groupby('姓名')['性别'].nunique()检查，如果返回值大于1，说明该分组内性别字段存在矛盾值，需要先清理数据再填充

内容的提问来源于stack exchange，提问作者E Jager de