根据另一列中的值替换缺失值

Question

我有以下问题

我需要替换数据框中的 NaN 值

df1 = pd.DataFrame([[1001, np.NaN], [1001,'C'], [1004, 'D'],[1005, 'C'], 
                   [1005,'D'], [1010, np.NaN],[1010,np.NaN],[1010,'F']], columns=['CustomerNr','Costs'])

客户编号	费用
1001	南
1004	D
1005	C
1010	南
1010	南

我试过：

df2 = pd.DataFrame([[1001, 'X'], [1010, 'Y']], columns=['CustomerNr','New Costs'])

期望的输出：

客户编号	费用
1001	X
1004	D
1005	C
1010	Y
1010	Y

Answer 1

我想你可以用这样的东西

import pandas as pd
import numpy as np

df1 = pd.DataFrame([[1001, np.NaN], [1001,'C'], [1004, 'D'],[1005, 'C'], 
                   [1005,'D'], [1010, np.NaN],[1010,np.NaN],[1010,'F']], columns=['CustomerNr','Costs'])

replace_dict = {1001:"X",1010:"Y"}

df1['Costs'] = df1.apply(lambda x: replace_dict.get(x['CustomerNr']) if pd.isna(x['Costs']) else x['Costs'], axis=1)

解释：创建一个字典（

replace_dict

）映射值分配基于

CustomerNr

列的值，如果

apply.()

中的值是

CustomerNr

，则使用

nan

分配这些值，否则应用

Costs

的原始值

Answer 2

Fill

NA/NaN

值基于系列映射（在匹配的

'CustomerNr'

值上）：

df1['Costs'].fillna(df1['CustomerNr']
                    .map(df2.set_index('CustomerNr')['New Costs']), inplace=True)

---

   CustomerNr Costs
0        1001     X
1        1001     C
2        1004     D
3        1005     C
4        1005     D
5        1010     Y
6        1010     Y
7        1010     F