使用字典熊猫填充 NaN 值

Question

我有一个包含Brand_ID和Brand_Name列的数据Brand_ID dfp （还有一些列，如Product_ID 、 Product_Name等）

一些品牌名称是 NaN，因为多个品牌 ID 以逗号分隔（见图）

我想用逗号分隔的实际品牌名称填充这些 NaN。 我有一本参考词典，可以用于此目的

Answer 1

对于缺失值的行，使用 lambda 函数分割值，在字典中匹配并连接：

df = pd.DataFrame({'Brand_ID':['11,12,15','10','15,11'],
                   'Brand_Name':[np.nan, 'aaa', np.nan]})


x = {'11':'ww', '12':'oup','15':'ret'}
m = df['Brand_Name'].isna()
f = lambda y: ','.join(x[z] for z in y.split(',') if z in x)
df.loc[m, 'Brand_Name'] = df.loc[m, 'Brand_ID'].apply(f)

print (df)
   Brand_ID  Brand_Name
0  11,12,15  ww,oup,ret
1        10         aaa
2     15,11      ret,ww