You need to enable JavaScript to run this app. pandas按组填充NaN值,为组内缺失值分配未使用连续序号的实现方法
优惠活动
大模型
产品
解决方案
定价
更多

pandas按组填充NaN值,为组内缺失值分配未使用连续序号的实现方法

pandas实现分组填充连续序号方案

核心逻辑

按Groups分组后,每组内操作逻辑如下:

  • 先获取组内Number列非空值的最大值
  • 提取组内Number为NaN的所有唯一NAME,按首次出现顺序排序
  • 为每个唯一NAME分配从最大值+1开始的连续序号,保证同一个NAME对应同一个值
  • 用生成的映射关系填充组内所有NaN值

完整实现代码

import pandas as pd
import numpy as np

# 构造示例DataFrame
data = {
    'Groups': ['G1','G1','G1','G1','G1','G1','G2','G2','G2','G2','G3','G3'],
    'NAME': ['A','B','D','D','I','H','E','E','F','J','K','L'],
    'Number': [1,2,np.nan,np.nan,3,np.nan,1,1,np.nan,2,np.nan,1]
}
df = pd.DataFrame(data)

# 定义分组处理函数
def fill_nan_number(group):
    # 获取组内现有最大序号
    current_max = group['Number'].max()
    # 获取所有需要填充的唯一NAME,保持首次出现顺序
    unique_nan_names = group[group['Number'].isna()]['NAME'].drop_duplicates().tolist()
    # 生成填充映射表
    fill_dict = {name: current_max + 1 + idx for idx, name in enumerate(unique_nan_names)}
    # 填充NaN
    group['Number'] = group.apply(
        lambda row: fill_dict[row['NAME']] if pd.isna(row['Number']) else row['Number'],
        axis=1
    )
    return group

# 分组执行填充
df = df.groupby('Groups', group_keys=False).apply(fill_nan_number)
# 转换为整数类型(可选,根据需求调整)
df['Number'] = df['Number'].astype(int)

print(df)

输出结果验证

运行上述代码后输出的df和你给出的预期结果完全一致:

Groups NAME  Number
0      G1    A       1
1      G1    B       2
2      G1    D       4
3      G1    D       4
4      G1    I       3
5      G1    H       5
6      G2    E       1
7      G2    E       1
8      G2    F       3
9      G2    J       2
10     G3    K       2
11     G3    L       1

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

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.10.20 19:54:04