Pandas中如何通过映射字典结合聚合函数填充缺失值

整体逻辑很简单：先把机构-覆盖县域的映射关系展开成关联表，匹配县域统计值后按机构聚合求和，再合并单县域的统计结果即可，全程用pandas基础操作就能实现，不需要复杂函数。

实现步骤 #

• 第一步：统一名称格式，避免匹配失败
  样例数据里存在大小写不一致的问题：映射字典里机构名是Job a格式、县域名是county a全小写，县域统计表里县域名是County a首字母大写，目标结果里机构名是全小写job a，所有名称匹配前必须统一格式，否则会出现匹配不到的空值。
• 第二步：把键值对形式的映射字典展开成二维关联表，每一行对应「机构-下辖单个县域」的关系
• 第三步：关联县域统计表，按机构维度对面积、人口字段求和，得到所有跨县机构的汇总统计值
• 第四步：提取没有被跨县机构覆盖的独立县域，直接把县域名作为机构名、县域统计值作为机构统计值，和跨县机构的汇总结果拼接，就能得到完整的机构统计结果

完整可运行代码 #

import pandas as pd

# ---------------------- 1. 加载基础数据 ----------------------
# 县域统计数据表（表1）
df_county = pd.DataFrame({
    'county': ['County a', 'County b', 'County c', 'County d', 'County e', 
               'County f', 'County g', 'County h', 'County i'],
    'sq_mile': [2500, 750, 4000, 4300, 2000, 1000, 4300, 4400, 4000],
    'population': [15000, 400, 3500, 4500, 1500, 1500, 3500, 3200, 3500]
})

# 跨县机构-覆盖县域映射字典
counties_map = {
    'Job a': ['county a', 'county b', 'county c'],
    'Job b': ['county d', 'county e', 'county f'],
    'Job c': ['county g', 'county h']
}

# ---------------------- 2. 处理映射关系 ----------------------
# 字典转长表，统一名称格式
map_rows = []
for org_name, county_list in counties_map.items():
    for county_name in county_list:
        map_rows.append({
            'organization': org_name.lower(), # 机构名转全小写，匹配目标表格式
            'county': county_name.title() # 县域名转首字母大写，匹配县域统计表格式
        })
df_org_county_map = pd.DataFrame(map_rows)

# ---------------------- 3. 聚合跨县机构统计值 ----------------------
df_org_agg = df_org_county_map.merge(
    df_county, 
    on='county', 
    how='left'
).groupby('organization', as_index=False)[['sq_mile', 'population']].sum()

# ---------------------- 4. 补全独立县域的统计值 ----------------------
# 提取所有被跨县机构覆盖的县域
covered_counties = [c.title() for c_list in counties_map.values() for c in c_list]
# 筛选未被覆盖的独立县域，转换为机构表结构
df_single_org = df_county[~df_county['county'].isin(covered_counties)].copy()
df_single_org = df_single_org.rename(columns={'county': 'organization'})
df_single_org['organization'] = df_single_org['organization'].str.lower()

# 拼接跨县机构+独立县域结果
final_result = pd.concat(
    [df_org_agg, df_single_org[['organization', 'sq_mile', 'population']]],
    ignore_index=True
)

结果验证 #

执行print(final_result)就能得到需要的目标输出：

organization  sq_mile  population
0        job a     7250       18900
1        job b     7300        7500
2        job c     8700        6700
3     county i     4000        3500

补充说明 #

• 如果你已经有提前建好的、带NaN缺失值的机构表（表2），不需要重新构造结果，只需要把上面得到的final_result和原表做左连接，用聚合后的值覆盖原来的NaN列即可：

  # 假设df_org是你已有的带缺失值的表2
  df_org = df_org.drop(columns=['sq_mile', 'population']).merge(final_result, on='organization', how='left')
  

• 后续新增跨县机构时，只需要往counties_map字典里添加对应的键值对，代码不需要做任何修改。

内容的提问来源于stack exchange，提问作者brandooo23