我有一个数据场，如下所示（有更多列被删除）：
memberID shipping_country
264991
264991 Canada
100 USA
5000
5000 UK
我正在尝试用每个用户的运送国家/地区的现有值填充空白单元格：
memberID shipping_country
264991 Canada
264991 Canada
100 USA
5000 UK
5000 UK
但是，我不确定在大规模数据集上执行此操作的最有效方法是什么。 也许使用矢量分组方式？
您可以使用GroupBy + ffill / bfill ：
def filler(x):
return x.ffill().bfill()
res = df.groupby('memberID')['shipping_country'].apply(filler)
自定义功能是必需的，因为没有组合的Pandas方法可以按顺序ffill和bfill 。
这也满足了特定memberID所有值均为NaN的情况; 在这种情况下，它们将保留为NaN 。
对于以下示例数据帧（我在shipping_country列中添加了一个仅包含''的memberID组）：
memberID shipping_country
0 264991
1 264991 Canada
2 100 USA
3 5000
4 5000 UK
5 54
这应该对您memberID ，并且还具有以下行为：如果memberID组在shipping_country仅具有空字符串值（ '' ），则这些值将保留在输出df ：
df['shipping_country'] = df.replace('',np.nan).groupby('memberID')['shipping_country'].transform('first').fillna('')
产量：
memberID shipping_country
0 264991 Canada
1 264991 Canada
2 100 USA
3 5000 UK
4 5000 UK
5 54
如果要在输出df中将空字符串''保留为NaN ，则只需删除fillna('') ，则保留：
df['shipping_country'] = df.replace('',np.nan).groupby('memberID')['shipping_country'].transform('first')
您可以使用链接的groupby ，一个使用正向填充，另一个使用回填：
# replace blank values with `NaN` first:
df['shipping_country'].replace('',pd.np.nan,inplace=True)
df.iloc[::-1].groupby('memberID').ffill().groupby('memberID').bfill()
memberID shipping_country
0 264991 Canada
1 264991 Canada
2 100 USA
3 5000 UK
4 5000 UK
此方法还将允许由所有NaN组成的组保留为NaN ：
>>> df
memberID shipping_country
0 264991
1 264991 Canada
2 100 USA
3 5000
4 5000 UK
5 1
6 1
df['shipping_country'].replace('',pd.np.nan,inplace=True)
df.iloc[::-1].groupby('memberID').ffill().groupby('memberID').bfill()
memberID shipping_country
0 264991 Canada
1 264991 Canada
2 100 USA
3 5000 UK
4 5000 UK
5 1 NaN
6 1 NaN
