如何基于条件用其他单元格值为pandas DataFrame缺失单元格赋值

前提说明 #

如果你的DataFrame中x列的缺失值为字符串类型的'None'，需要先替换为Pandas可识别的空值np.nan，如果本身就是原生None/空值可跳过该步骤。

实现代码 #

import pandas as pd
import numpy as np

# 构造示例数据，实际使用时替换为你自己的DataFrame即可
df = pd.DataFrame({
    'x': ['xyz', 'lmn', None, 'xyz', 'qrs', None],
    'a': ['A', 'B', 'A', 'A', 'C', 'B']
})

# 替换字符串形式的None为空值（按需执行）
df['x'] = df['x'].replace('None', np.nan)

# 核心逻辑：按a列分组，用同组x列的非空值填充缺失值
# 写法1：适配非空值在分组内任意位置的场景，兼容性最好
df['x'] = df.groupby('a')['x'].transform(lambda g: g.ffill().bfill())

# 写法2：如果确认每个a分组对应的x非空值唯一，该写法性能更高
# df['x'] = df['x'].fillna(df.groupby('a')['x'].transform('first'))

结果验证 #

执行后输出的df和你预期的处理结果完全一致：

内容的提问来源于stack exchange，提问作者Lesley