如何按Name分组对DataFrame的Signal列nan值用对应分组众数填充

我们可以通过pandas的分组转换逻辑实现需求，核心思路是按Name列拆分分组后，提取每组Signal列的众数，再填充对应组的空值： #

完整代码示例 #

import pandas as pd
import numpy as np

# 构造示例数据
df = pd.DataFrame({
    'Timestamp': ['2021-01-01', '2021-01-02', '2021-01-03', '2021-01-01', '2021-01-02', '2021-01-03'],
    'Name': ['A', 'A', 'A', 'B', 'B', 'B'],
    'Signal': ['On', np.nan, 'On', 'Off', 'Off', np.nan]
})

# 核心填充逻辑
df['Signal'] = df.groupby('Name')['Signal'].transform(
    lambda x: x.fillna(x.mode()[0])
)

逻辑说明 #

• groupby('Name')：按Name列将数据集拆分为独立分组
• transform：对每个分组内的Signal列做转换处理，返回的序列长度和原数据一致，自动对齐索引不会打乱原有数据顺序
• x.mode()[0]：提取当前分组Signal列的众数，加[0]是为了兼容某组存在多个众数的场景，默认取第一个出现的众数，可根据业务需求调整选择规则
• 若需要兼容分组内Signal全为空的极端场景，避免取众数时报错，可以把lambda逻辑调整为：

  lambda x: x.fillna(x.mode()[0]) if not x.mode().empty else x
  

运行代码后即可得到预期结果：A组的空值填充为On，B组的空值填充为Off。

内容的提问来源于stack exchange，提问作者Elgun Valiyev