Pandas中结合国家代码与分组递增序号填充唯一标识列空值

核心采用pandas原生向量化操作实现，无逐行循环，大数据量下性能最优，逻辑如下：

• 仅针对UNIQUE_IDENTIFIER列的空值行做处理，原有非空值完全保留
• 按COUNTRY_CODE分组，每个分组内的空值独立生成从1开始的递增序号
• 拼接国家编码、空格、序号作为填充值，替换对应位置的空值

完整实现代码 #

import pandas as pd
import numpy as np

# 测试数据构造（和提问中的示例数据完全一致）
df = pd.DataFrame({
    'UNIQUE_IDENTIFIER': [1, np.nan, 2, 4, np.nan, np.nan, np.nan, np.nan],
    'COUNTRY_CODE': ['CZ', 'CZ', 'SK', 'AE', 'DK', 'CZ', 'DK', 'ES']
})

# 核心填充逻辑
# 定位所有空值行，按国家分组生成从1开始的递增序号
na_mask = df['UNIQUE_IDENTIFIER'].isna()
serial_num = df[na_mask].groupby('COUNTRY_CODE').cumcount() + 1
# 生成符合规则的填充值
fill_content = df.loc[na_mask, 'COUNTRY_CODE'] + ' ' + serial_num.astype(str)
# 完成空值替换
df.loc[na_mask, 'UNIQUE_IDENTIFIER'] = fill_content

运行结果 #

执行代码后打印DataFrame，输出和预期效果完全一致：

UNIQUE_IDENTIFIER COUNTRY_CODE
0                 1           CZ
1              CZ 1           CZ
2                 2           SK
3                 4           AE
4              DK 1           DK
5              CZ 2           CZ
6              DK 2           DK
7              ES 1           ES

方案优势 #

• 全向量化实现，比apply逐行处理的方案性能高1~2个数量级，十万、百万级数据也能快速跑完
• 逻辑边界清晰，不会误修改原有非空的标识值
• 分组计数自动隔离，不同国家的序号独立从1开始计数，不需要手动维护每个国家的计数器

注意：填充后UNIQUE_IDENTIFIER列会变为object类型（同时包含数值和字符串值），如果需要统一为字符串格式，可以在填充完成后执行df['UNIQUE_IDENTIFIER'] = df['UNIQUE_IDENTIFIER'].astype(str)做类型转换。

内容的提问来源于stack exchange，提问作者Paulo Cortez