根据分类列过滤行，然后使用另一列中的值填充已过滤 df 的不同列中的 NA 行，就地

Question

我有一个 dataframe 的一个分类列和 2 个数字列。 分类列中的所有类别都没有缺失值。 但是，对于分类列中的某些行，第一个数字列中的相邻行具有 NA。 我的问题是我想用第二个数字列的相应行值填充 NA 的第一个数字列的行，但是，我只想对与第一列中的行相邻的类别行执行此操作NA的。 我想在不改变原始 dataframe 形状的情况下执行此操作。下面的示例数据集 df： dataframe 示例以填充 NA

Cat_col num_col1 num_col2 SS 22 54 PP NA 89 CC 128 34 XX NA 56 SS 67 56 XX NA 90 CC 47 10 BB NA 29

从上表中，我想用 num_col2 中相应的行值填充 num_col1 的 NA 值，但仅适用于 Cat_col 中的 PP 和 XX 行类别。 同样在不改变 dataframe 形状的情况下执行此操作。

Answer 1

首先，您应该提供一段代码，显示您为解决问题所做的努力。 如果我理解正确，您的问题解决方案可能如下所示：

data = '''Cat_col num_col1 num_col2 SS 22 54 PP NA 89 CC 128 34 XX NA 56 SS 67 56 XX NA 90 CC 47 10 BB NA 29'''.split(' ')

将数据准备成列/行格式：

n=3
result = [data[i:i+n] for i in range(0, len(data), n)]

创建一个 dataframe 并过滤类别：

df = pd.DataFrame(result[1:],columns=result[0])
cat_filter = ['PP', 'XX']
na_filter = dff['num_col1'] == 'NA' #filter for NA values, however instead of NA it would be much easier if missing values would be stated as np.Nan. Then df['num_col1].isna() could be applied
row_mask = dff['Cat_col'].isin(cat_filter) & na_filter #mask will gives the row

将值从 num_col2 分配给 num_col1：

df.loc[row_mask,'num_col1'] = df.loc[row_mask, 'num_col2']

Output：

Cat_col num_col1    num_col2
0   SS  22  54
1   PP  89  89
2   CC  128 34
3   XX  56  56
4   SS  67  56
5   XX  90  90
6   CC  47  10
7   BB  NA  29