MS Access：填充缺失值及实现行列转换的技术求助

我明白你现在的困境——在做数据表行列转换前，确实得先把缺失的patientname补全，不然分组聚合的时候很容易出问题。先把你的示例数据整理成更清晰的表格：

下面分两步给你具体的实现方案，我会用SQL和Python Pandas两种常见工具举例，你可以根据自己的使用场景选择：

步骤1：填充缺失的patientname #

核心思路是同一个patientID对应的姓名肯定是一致的，所以我们可以用同ID下已有的非空姓名来填充所有空值。

用SQL实现 #

如果用SQL处理，窗口函数是最便捷的方式：

WITH filled_table AS (
    SELECT 
        ID1,
        patientID,
        -- 取同patientID下第一个非空的姓名，填充所有空值
        FIRST_VALUE(patientname) OVER (
            PARTITION BY patientID 
            ORDER BY ID1 
            ROWS BETWEEN UNBOUNDED PRECEDING AND UNBOUNDED FOLLOWING
        ) AS patientname,
        study_date,
        echo_var
    FROM your_table_name
)
SELECT * FROM filled_table;

如果你的SQL数据库支持IGNORE NULLS（比如PostgreSQL、Oracle），可以简化成：

WITH filled_table AS (
    SELECT 
        ID1,
        patientID,
        FIRST_VALUE(patientname IGNORE NULLS) OVER (PARTITION BY patientID) AS patientname,
        study_date,
        echo_var
    FROM your_table_name
)
SELECT * FROM filled_table;

用Python Pandas实现 #

如果用Python处理，先把空字符串转成缺失值，再按patientID分组填充：

import pandas as pd

# 假设你的数据已经读入DataFrame
df = pd.DataFrame({
    'ID1': [1,2,3,4,5,6],
    'patientID': [1234,1234,1234,1234,6625,6625],
    'patientname': ['Bob', '', 'Bob', 'Bob', 'Louie', ''],
    'study_date': ['01-01-2014', '01-01-2000', '08-08-2012', '13-02-2005', '12-11-2010', '08-10-1998'],
    'echo_var': [15,13,14,13,25,20]
})

# 把空字符串转为缺失值，再按patientID分组填充
df['patientname'] = df['patientname'].replace('', pd.NA)
df['patientname'] = df.groupby('patientID')['patientname'].transform(
    lambda x: x.fillna(x.dropna().iloc[0])
)

步骤2：执行行列转换 #

填充完缺失值后，就可以顺利进行行列转换了。这里假设你想把每个患者的study_date作为列，echo_var作为对应的值（如果你的需求是其他转换方式，可以调整细节）。

用SQL实现（PIVOT语法） #

WITH filled_table AS (
    -- 复用上面的填充逻辑
    SELECT 
        ID1,
        patientID,
        FIRST_VALUE(patientname) OVER (
            PARTITION BY patientID 
            ORDER BY ID1 
            ROWS BETWEEN UNBOUNDED PRECEDING AND UNBOUNDED FOLLOWING
        ) AS patientname,
        study_date,
        echo_var
    FROM your_table_name
)
SELECT *
FROM filled_table
PIVOT (
    MAX(echo_var)  -- 如果同一日期有多个值，用MAX/AVG等聚合函数，这里假设日期唯一
    FOR study_date IN (
        '01-01-2014' AS date_20140101, 
        '01-01-2000' AS date_20000101, 
        '08-08-2012' AS date_20120808, 
        '13-02-2005' AS date_20050213, 
        '12-11-2010' AS date_20101211, 
        '08-10-1998' AS date_19981008
    )
)
ORDER BY patientID;

用Python Pandas实现（透视表） #

# 基于填充后的DataFrame做透视
pivot_df = df.pivot_table(
    index=['patientID', 'patientname'],
    columns='study_date',
    values='echo_var',
    aggfunc='first'  # 取第一个值，也可以用max/min等
).reset_index()

print(pivot_df)

这样就能完成从缺失值填充到行列转换的完整流程了。如果你的转换需求和示例不同，比如要转成其他字段，可以随时调整~

内容的提问来源于stack exchange，提问作者RoyH