使用pandas定位空值并填充同类别对应已有值的实现问题

你最初编写的代码存在几处语法和逻辑错误：

• 布尔索引编写错误：df['Item_Identifier' == x] 属于语法错误，正确的过滤写法为 df['Item_Identifier'] == x
• isnull 是pandas的方法而非属性，需要加括号调用为 isnull()
• pandas没有fill这个填充空值的方法，对应功能方法为fillna()
• 无需手动遍历唯一值实现分组逻辑，pandas内置的分组操作效率更高、语法更简洁

最优实现方案 #

你可以直接使用groupby+填充函数实现需求，以下是两种常用写法：

写法1：分组前后向填充（最简单，适配绝大多数场景） #

如果同组内Item_Weight的有效值唯一，用前后向填充兜底即可：

# 按Item_Identifier分组，同组内的空值优先用前面的有效值填充，再用后面的有效值兜底
df['Item_Weight'] = df.groupby('Item_Identifier')['Item_Weight'].ffill().bfill()

写法2：映射字典填充（逻辑最直观） #

先提前构造每个类别对应有效值的映射关系，再用映射填充空值：

# 构造类别到有效值的映射字典
value_map = df.dropna(subset=['Item_Weight']).set_index('Item_Identifier')['Item_Weight'].to_dict()
# 用映射关系填充空值
df['Item_Weight'] = df['Item_Weight'].fillna(df['Item_Identifier'].map(value_map))

效果验证 #

用你提供的示例数据测试：

import pandas as pd
import numpy as np
# 构造示例数据
df = pd.DataFrame({
    'Item_Identifier': ['a', 'b', 'b', 'd', 'd'],
    'Item_Weight': [1, 3, np.nan, np.nan, 4]
})
# 执行填充
df['Item_Weight'] = df.groupby('Item_Identifier')['Item_Weight'].ffill().bfill()
print(df)

输出结果完全符合预期：

Item_Identifier  Item_Weight
0               a          1.0
1               b          3.0
2               b          3.0
3               d          4.0
4               d          4.0

内容的提问来源于stack exchange，提问作者Amit Bhise