Pandas如何依据model列的匹配值填充power列的NaN缺失值
现有代码的问题
你写的尝试代码存在两个会直接导致运行失败的问题:
- 关联匹配字段笔误:merge时写的
on='name'在数据集中不存在对应列,实际需要匹配的关联字段是model,执行时会直接抛出KeyError。 - 逻辑冗余:生成model-power映射表的过程没必要单独建唯一model的空表再和临时数据集反向合并,额外增加了无意义的计算量。
实现方法
方法1:匹配你原有思路的修正版代码
按照你最初“提取同model的有效power值建映射、再回填缺失”的思路,修正后的完整可运行代码如下:
# 筛选power非空的有效数据行 temp_df = df[df['power'].notna()] # 提取去重后的model与对应power对,生成映射关系 model_power_map = temp_df[['model', 'power']].drop_duplicates(subset=['model']) power_lookup = dict(zip(model_power_map['model'], model_power_map['power'])) # 按model匹配对应power值,填充原列的所有NaN df['power'] = df['power'].fillna(df['model'].map(power_lookup))
方法2:极简内置实现
如果确认同model对应的power值全局唯一(不存在同model下多个不同非空power值的情况),可以跳过手动建临时映射表的步骤,用pandas分组转换能力一行完成填充:
df['power'] = df['power'].fillna(df.groupby('model')['power'].transform('first'))
边界提示:如果某个model的所有行power全为NaN,因为没有可参考的有效值,填充后这部分行的power依然会保留NaN状态,属于正常情况。
内容的提问来源于stack exchange,提问作者poliarny
相关产品推荐
相关产品推荐

