使用字典熊貓填充 NaN 值

Question

我有一個包含Brand_ID和Brand_Name列的數據Brand_ID dfp （還有一些列，如Product_ID 、 Product_Name等）

一些品牌名稱是 NaN，因為多個品牌 ID 以逗號分隔（見圖）

我想用逗號分隔的實際品牌名稱填充這些 NaN。 我有一本參考詞典，可以用於此目的

Answer 1

對於缺失值的行，使用 lambda 函數分割值，在字典中匹配並連接：

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