将一列中的值映射到一列上以替换nan值大熊猫

Question

我有一个DataFrame，其中包含作业编号和与该作业相关联的客户名称。在某些情况下，职位编号没有客户名称，因此为空。我有一个单独的系列，其中将这些工作编号作为索引，并根据工作编号将缺少的客户名称替换为空值。我不完全确定如何将其映射到原始DataFrame列。

这是原始的DataFrame（df）：

   Job Number  Customer 
0    02123      Paul F
1    46456      nan
2    56823      Kevin T
3    62948      nan

替换nan值的序列：

Job Number
  46456     Kara L
  62948     Sabrina M
  Name: Customers, dtype: object

我需要的最终输出是：

   Job Number  Customer 
0    02123      Paul F
1    46456      Kara L
2    56823      Kevin T
3    62948      Sabrina M

我希望这是有道理的。我看过其他答案，例如使用：df['Customer'] = df['Job Number'].map(customers)，但还是不行或test['Customer'] = df['Customer'].combine_first(df['Customer'].map(customers))。

我不确定如何将代码粘贴到此处，所以我已经手工写出了df和series。

任何帮助将不胜感激。

Answer 1

您可以将reset_index与combine_first一起使用：

(df.set_index('JobNumber').squeeze()
   .combine_first(customers.set_index('Job').squeeze())
   .reset_index())

       index  Customer
    0   2123     Paul F
    1  46456     Kara L
    2  56823    Kevin T
    3  62948  Sabrina M

Answer 2

这里需要在map列旁使用Job Number，而不是Customer：

df['Customer'] = df['Customer'].combine_first(df['Job Number'].map(customers))
print (df)
   Job Number   Customer
0        2123     Paul F
1       46456     Kara L
2       56823    Kevin T
3       62948  Sabrina M

详细：

print (df['Job Number'].map(customers))
0          NaN
1       Kara L
2          NaN
3    Sabrina M
Name: Job Number, dtype: object