Pandas按A列分组将B列nan与0替换为同组对应有效值

• df['B'].fillna(0)未将返回值赋值回原列，不会对原DataFrame产生任何修改
• 分组时引用了不存在的列$LINK:NO，且调用size()方法是统计分组内的行数，并非提取分组下B列的有效值
• 筛选条件B > 0未绑定DataFrame对象，会直接触发名称错误

以下代码完全匹配你的需求，默认每个A分组下存在唯一的非0、非空B有效值（和你给出的示例场景一致）：

推荐写法：分组广播填充 #

用groupby+transform直接将分组有效值广播到同组所有行，代码最简洁：

import pandas as pd
import numpy as np

# 示例数据构造（使用自己的真实数据时可跳过这段）
df = pd.DataFrame({
    'A': [111, 111, 112, 112, 113, 113, 114, 114],
    'B': [4, 4, 0, 2, 3, 3, np.nan, 1]
})

# 核心逻辑：按A分组，取每组非0非空的B值，填充整组
df['B'] = df.groupby('A')['B'].transform(
    lambda col: col[(col.notna()) & (col != 0)].iloc[0]
)

运行后输出结果和你给出的预期完全一致。

替代写法：映射替换 #

先提取每个A对应的有效B值生成映射字典，再做值替换，逻辑更直白：

# 生成A列到有效B值的映射
valid_mapping = df[df['B'].notna() & (df['B'] != 0)]\
    .drop_duplicates('A')\
    .set_index('A')['B']\
    .to_dict()
# 按映射替换B列
df['B'] = df['A'].map(valid_mapping)

如果你的实际数据中存在同个A分组下有多个不同非0非空B值的情况，需要调整取值规则，比如取最大值、第一个值、平均值等，适配自己的业务需求即可。

内容的提问来源于stack exchange，提问作者Kimchi