如何通过匹配来自另一个数据帧熊猫的值来填充数据帧中的列的值

Question

我是 Python 新手，正在使用 kaggle 泰坦尼克号数据集进行练习。

我正在尝试通过使用具有相同票证的行来填充客舱功能的几个缺失值。 也就是说，我想获取重复机票及其相应舱位值的列表，并将空值替换为与同一张票对应的舱位值。

在我的方法中，我使用以下代码创建了一个数据框，其中仅包含一次重复机票（假设机票有一个客舱值与之配套；非空），以为其分配一个客舱值。 这样我就可以通过匹配来填充训练集（maindf）中的客舱值。

ticket_dupl = maindf[(maindf.duplicated('Ticket')) & (maindf['Cabin'].notnull())][['Ticket','Cabin']].drop_duplicates('Ticket')

这给了我一个长度为 50 的数据帧，并保留了索引，这是前 7 行：

    Ticket  Cabin
88  19950   C23 C25 C27
124 35281   D26
137 113803  C123
193 230080  F2
195 PC 17569 B80
230 36973   C83
251 347054  G6

有没有办法通过匹配票行或索引来填充我的 maindf 中的一些客舱值，保留不匹配的票的值？ 对于与我类似的问题，似乎无法从其他解决方案中理解。

另外，我想知道是否有更有效的方法来实现我的目标，而不是像我那样创建数据框。 谢谢。

Answer 1

您可以按故障单分组以将具有匹配故障单的行组合在一起，并使用返回组中第一个非空值的 first_valid_index 填充空值。

df['Cabin'] = df.groupby('Ticket')['Cabin'].transform(lambda x: x.loc[x.first_valid_index()])