如何以B列为参考，用同值其他行的有效值替换DataFrame的NaN值

你可以按B列分组提取每组A列的有效值生成映射，再填充原A列的空值即可，有两种简洁的实现方式：

方式1：transform一步填充（最简洁） #

利用groupby+transform直接对A列的空值做同组有效值填充，代码如下：

import pandas as pd
import numpy as np

# 构造测试数据
df = pd.DataFrame({
    'A': [1, np.nan, 1, np.nan, np.nan, 5, 1, 2],
    'B': [1, 3, 1, 1, 2, 3, 1, 2]
})

# 核心填充逻辑，同一B值对应的A有效值唯一时可直接用first()
df['A'] = df['A'].fillna(df.groupby('B')['A'].transform('first'))

如果同组A可能存在多个有效值、需要按顺序前后填充的，可以替换为：

df['A'] = df.groupby('B')['A'].transform(lambda x: x.ffill().bfill())

方式2：先构建映射表再合并填充 #

如果你习惯用合并的方式实现，可以先聚合得到每个B对应的有效A值，再左连接回原表替换空值：

# 构建B到有效A的映射表
map_df = df.groupby('B')['A'].first().reset_index(name='valid_A')
# 合并后替换空值，再删除多余列
df = df.merge(map_df, on='B', how='left')
df['A'] = df['A'].fillna(df['valid_A'])
df = df.drop('valid_A', axis=1)

你之前的写法b=a.groupby('B').reset_index()没有对A列做聚合取值，groupby后直接reset_index得到的并不是B和有效A的映射表，所以合并后无法得到预期结果。

运行上述代码后得到的结果和你预期的一致：

A  B
0  1.0  1
1  5.0  3
2  1.0  1
3  1.0  1
4  2.0  2
5  5.0  3
6  1.0  1
7  2.0  2

内容的提问来源于stack exchange，提问作者sopL