Pandas如何按UserID匹配填充Country列的nan缺失值
原代码错误原因
- 第一段代码
df['Country']=df['UserID'].map(lambda x:df[x])逻辑完全错误:df[x]是读取DataFrame中列名为x的列,你传入的x是UserID的数值(1、2、3、4等),而你的DataFrame只有UserID、Country两列,没有对应数值名的列,必然触发KeyError,报错指向UserID=4只是触发时机问题,并非只有UserID=4存在问题。 - 第二段代码
df['Country']=np.where(df['UserID']==4,'India',df['Country'])首先逻辑不符合需求(需求要求UserID=4保留nan,而非硬编码替换为India);如果是运行第一段代码报错后直接运行这段,此时Country列已经被异常操作破坏了数据类型,也会触发类型相关报错。
可行实现方案
推荐两种最简单的实现方式,都能完美匹配需求:
方案1:分组transform实现(最简洁)
直接按UserID分组,对Country列取分组内第一个非空值即可,全为空的分组会自动保留nan:
import pandas as pd import numpy as np # 如果数据里的nan是字符串类型,先替换为pandas可识别的空值,非此情况可跳过 df['Country'] = df['Country'].replace('nan', np.nan) # 核心逻辑 df['Country'] = df.groupby('UserID')['Country'].transform('first')
方案2:构造映射字典实现(可读性更高)
先提取所有UserID对应的有效Country值构造映射字典,再用map回填,不在字典中的UserID(无有效值)自动返回nan:
import pandas as pd import numpy as np df['Country'] = df['Country'].replace('nan', np.nan) # 构造UserID到有效Country的映射 id_country_map = df.dropna(subset=['Country']).drop_duplicates('UserID').set_index('UserID')['Country'].to_dict() # 回填值 df['Country'] = df['UserID'].map(id_country_map)
两种方案运行后都能得到你给出的预期输出结果。
内容的提问来源于stack exchange,提问作者shrijoy chowdhury
相关产品推荐
相关产品推荐

