如果存在相同的重复项，如何填充列的NaN

Question

我的数据中有2列，即LocationID和LocationName。

LocationID没有任何NAN条目。但是，有些行在NaN列中有LocationName实体。每个位置名称都与唯一的LocationID相关联。

LocationID和LocationName列在dataframe中有许多重复条目。

如果与NaN列关联的LocationName列中存在数据点，则如何填充LocationName列中与LocationName列关联的LocationID的数据点。

一个样本看起来如下：

LocationID  LocationName
1   Bengaluru
2   Delhi
3   Mysore
1   
1   
4   Nagpur
2   
2   Delhi
3   Mysore

Answer 1

The Pandas function fillna()可以将每个索引映射到用于填充缺失值的值。

因此，我们需要收集一个系列，将每个唯一的LocationID映射到一个LocationName：

df = df.set_index("LocationID")  # in case it wasn't already the index
df = df.replace("", np.nan)  # in case your missing values are empty strings instead of actual NaNs

mapping = df["LocationName"].dropna().drop_duplicates()
print(mapping)

产出：

           LocationName
LocationID             
1             Bengaluru
2                 Delhi
3                Mysore
4                Nagpur

现在，我们使用fillna()将其应用于原始数据

df["LocationName"].fillna(mapping, inplace=True)
print(df)

产出：

LocationID             
1             Bengaluru
2                 Delhi
3                Mysore
1             Bengaluru
1             Bengaluru
4                Nagpur
2                 Delhi
2                 Delhi
3                Mysore

如果LocationID已经不是您的索引，则可以选择地将原始索引放回。

Answer 2

下面应该能够实现你想要做的事情：

df = pd.DataFrame([[1 , 'Bengaluru'], [2, 'Delhi'], [1, np.nan], [3, 'Mysore'], [2, 'Delhi']], columns=['LocationID', 'LocationName']) 
look_up_df = df[df.LocationName.notnull()].drop_duplicates(['LocationID']) 
look_up_df = look_up_df.set_index('LocationID')['LocationName']
df['LocationName'] = df['LocationName'].fillna(df['LocationID'].map(look_up_df)) 

输入：

    LocationID  LocationName
0   1   Bengaluru
1   2   Delhi
2   1   NaN
3   3   Mysore
4   2   Delhi

Output:

    LocationID  LocationName
0   1   Bengaluru
1   2   Delhi
2   1   Bengaluru
3   3   Mysore
4   2   Delhi

Answer 3

尝试：

df=pd.DataFrame({'LocationID':[1,2,3,1,1,4,2,2,3],'LocationName':['Bangalore','Delhi','Mysore',np.nan,np.nan,'Nagpur',np.nan,'Delhi','Mysore']})
df=df.set_index(df['LocationID'])
df['LocationName']=[df['LocationName'][df['LocationID']==i].dropna().drop_duplicates().values[0] for i in df['LocationID']]
df=df.reset_index(drop=True)