基于另一个 dataframe 中完成的值，完成 dataframe 中的 NaN 值

Question

所以，我想要做的是完成 Dataframe 的 NaN 值，并在第二个 dataframe 中找到正确的值。 会是这样的

df={"Name":["Lennon","Mercury","Jagger"],"Band":["The Beatles", "Queen", NaN]}
df2={"Name":["Jagger"],"Band":["The Rolling Stones"]}

所以，我有这个命令可以知道哪些行至少有一个 NaN：

inds = list(pd.isnull(dfinal).any(1).nonzero()[0].astype(int))

我认为使用 function 之类的 for 会很有用（在那里没有成功）

然后我尝试了这个：

result=df.join(dfinal, on=["Name"])

但它给了我以下错误

ValueError：您正在尝试合并 object 和 int64 列。 如果你想继续，你应该使用 pd.concat

我检查了，两个系列“名称”都是字符串值。 所以我无法解决这个问题。

请记住，列数更多，可能的结果是，如果一行有一个 NaN，它将有 7 个 NaN。

有没有办法解决这个问题？

提前致谢！

Answer 1

Map和Fillna( ）

我们可以根据Name列使用第二个 dataframe 中的缺失值来定位目标 df 中的缺失值。

df["Band"] = df["Band"].fillna(df["Name"].map(df2.set_index("Name")["Band"]))

print(df)


      Name                Band
0   Lennon         The Beatles
1  Mercury               Queen
2   Jagger  The Rolling Stones