填充熊猫数据框中的缺失值

Question

我有一个包含两列的 pandas 数据框：locationid、geo_loc。 locationid 列有缺失值。

我想获取缺少的 locationid 行的 geo_loc 值， 然后在 geo_loc 列中搜索这个 geo_loc 值并获取位置 ID。

df1 = pd.DataFrame({'locationid':[111, np.nan, 145, np.nan, 189,np.nan, 158, 145],
                     'geo_loc':['G12','K11','B16','G12','B22','B16', 'K11',he l 'B16']})
df

我需要这样的最终输出：

locationid 的索引 1 缺失，对应的 geo_loc 值为 'K11'。 我会在 geo_loc 列中查看这个“K11”，索引 6 的 locationid 为 158。有了这个值 我想填充索引 1 中的缺失值。

我尝试了这些代码，但它们不起作用。

df1['locationid'] = df1.locationid.fillna(df1.groupby('geo_loc')['locationid'].max())

df1['locationid'] = df1.locationid.fillna(df1.groupby('geo_loc').apply(lambda x: print(list(x.locationid)[0])))

Answer 1

将GroupBy.transform 用于与原始大小相同的系列，由聚合值max 填充：

df1['locationid']=df1.locationid.fillna(df1.groupby('geo_loc')['locationid'].transform('max'))
print (df1)
   locationid geo_loc
0       111.0     G12
1       158.0     K11
2       145.0     B16
3       111.0     G12
4       189.0     B22
5       145.0     B16
6       158.0     K11
7       145.0     B16

如果值是字符串，则可以通过技巧 - 在 lambda 函数中使用 Series.dropna 删除缺失值，字符串按字典顺序进行比较：

df1 = pd.DataFrame({'locationid':[111, np.nan, 145, np.nan, 189,np.nan, 158, 145],
                     'geo_loc':['G12','K11','B16','G12','B22','B16', 'K11', 'B16']})

#sample data strings with missing values
df1['locationid'] = df1['locationid'].dropna().astype(str) + 'a'


df1['locationid']= (df1.groupby('geo_loc')['locationid']
                       .transform(lambda x: x.fillna(x.dropna().max())))

print (df1)
  locationid geo_loc
0     111.0a     G12
1     158.0a     K11
2     145.0a     B16
3     111.0a     G12
4     189.0a     B22
5     145.0a     B16
6     158.0a     K11
7     145.0a     B16