基于另一列值填充CSV中store_location列的缺失数据

可以通过Pandas构建名称与地址的映射关系，快速填充缺失值，具体实现步骤如下：

1. 读取并检查数据 #

先读取CSV文件，确认缺失数据的分布情况：

import pandas as pd

df = pd.read_csv('https://raw.githubusercontent.com/hoatranobita/app_to_cloud_4/main/store_location.csv')
# 查看数据缺失情况
print(df.isnull().sum())
# 预览前几行数据
print(df.head())

2. 构建名称-地址映射表 #

为每个store_name匹配唯一的有效store_location，这里提供两种常用方式：

方式一：取每个名称对应的第一个非缺失地址 #

location_map = df.groupby('store_name')['store_location'].first().to_dict()

方式二：去重构建映射（先剔除缺失值再去重） #

location_map = df.dropna().drop_duplicates(subset='store_name').set_index('store_name')['store_location'].to_dict()

特殊情况处理：同一名称对应多个地址 #

如果存在同一个store_name对应多个不同有效地址的情况，建议取出现次数最多的地址：

# 取每个名称下出现次数最多的地址
location_map = df.groupby('store_name')['store_location'].agg(lambda x: x.mode()[0]).to_dict()

3. 填充缺失值 #

用构建好的映射表填充store_location列的缺失项：

df['store_location'] = df['store_location'].fillna(df['store_name'].map(location_map))

4. 验证填充结果 #

检查填充后的数据是否还有缺失：

print(df.isnull().sum())
# 查看填充后的完整数据
print(df)

内容的提问来源于stack exchange，提问作者hoa tran