在 pandas 中使用 groupby.first() 替换空值

Question

我有一个要求，我必须使用 groupby.first 元素替换 null(NaN) 值。

测试数据：

ID,Name,Cost
1,A,12
2,B,16
3,C,28
4,A,12
5,D,33
6,B,16
7,A,
8,C,28
9,C,
10,D,33
11,D,33
12,B,16
13,B,16

名称（项目）的成本始终保持不变。很少有成本字段未填充。我需要根据相应的 Name 对象成本填充那些缺失的 Cost 值。

我尝试了以下方法，但没有成功。有人可以帮忙吗？

dataset['Cost'] = (dataset.groupby('Name')).apply(lambda x: dataset.groupby('Name')['Cost'].first())

我正在使用熊猫。

Answer 1

试试fillna 和map

s = df.groupby('Name')['Cost'].first().to_dict()

df['Cost'] = df['Cost'].fillna(df['Name'].map(s))

---

print(df)

   ID Name  Cost
0    1    A  12.0
1    2    B  16.0
2    3    C  28.0
3    4    A  12.0
4    5    D  33.0
5    6    B  16.0
6    7    A  12.0
7    8    C  28.0
8    9    C  28.0
9   10    D  33.0
10  11    D  33.0
11  12    B  16.0
12  13    B  16.0