Pandas groupby：填充其他組成員的缺失值

Question

我認為最好用一個例子來說明。 我想做的是從一個組中找到非空數，並將其傳播到該組的其余部分。

In [52]: df = pd.DataFrame.from_dict({1:{'i_id': 2, 'i_num':1}, 2: {'i_id': 2, 'i_num': np.nan}, 3: {'i_id': 2, 'i_num': np.nan}, 4: {'i_id': 3, 'i_num': np.nan}, 5: {'i_id': 3, 'i_num': 5}}, orient='index')

In [53]: df
Out[53]:
   i_num  i_id
1      1     2
2    NaN     2
3    NaN     2
4    NaN     3
5      5     3

DataFrame看起來像這樣。 我想要的是讓所有i_id == 2並使它們的i_num == 1，並使所有i_id == 3，並使它們的i_num == 5（因此都與它們的非空組鄰居匹配）。

因此最終結果將是這樣：

   i_num  i_id
1      1     2
2      1     2
3      1     2
4      5     3
5      5     3

Answer 1

first查找組中的第一個非空值。 您可以像這樣在每個組中填寫其他值：

df['i_num'] = df.groupby('i_id')['i_num'].transform('first')

這將根據需要生成列：

   i_num  i_id
1      1     2
2      1     2
3      1     2
4      5     3
5      5     3

請記住，這會將組中的所有值替換為第一個值，而不僅僅是NaN值（盡管這似乎是您在此處查找的內容）。

另外，為了尊重組中的其他任何非空值，您可以通過以下方式使用fillna ：

# make a column of first values for each group
x = df['i_id'].map(df.groupby('i_id')['i_num'].first())
# fill only NaN values using new column x
df['i_num'] = df['i_num'].fillna(x)