动态地从column1获取值并将其分配给同一列中的NaN值，如果它们都具有相同的column2值

Question

我有一个看起来像这样的DataFrame：

      ID  DESCRIPTION TYPE1 TYPE2
12345678 EXAMPLENAME1 874.4   NaN
12345678 EXAMPLENAME2 854.4   NaN
12345678 EXAMPLENAME3 874.4   B-5
78978999 EXAMPLENAME2 788.8   B-9
78978999 EXAMPLENAME4 978.2   NaN
78978999 EXAMPLENAME1 288.3   NaN
92124566 EXAMPLENAME3 369.1   NaN
92124566 EXAMPLENAME3 289.1   B-3
92124566 EXAMPLENAME3 959.1   NaN

我希望获得所有ID与非TYPE2值相同的NaN列。我们可以假设：

每个ID只有一个value.

• TYPE2行是唯一的。

最终产品应该如下所示：

      ID  DESCRIPTION TYPE1 TYPE2
12345678 EXAMPLENAME1 874.4   B-5
12345678 EXAMPLENAME2 854.4   B-5
12345678 EXAMPLENAME3 874.4   B-5
78978999 EXAMPLENAME2 788.8   B-9
78978999 EXAMPLENAME4 978.2   B-9
78978999 EXAMPLENAME1 288.3   B-9
92124566 EXAMPLENAME3 369.1   B-3
92124566 EXAMPLENAME3 289.1   B-3
92124566 EXAMPLENAME3 959.1   B-3

我尝试过使用ffill，但是不能建立只在ID相同的情况下才能填充的条件。大约有1,500,000个不同的TYPE2和ID值，因此手动建立它们就像df.loc[df["ID"]="12345678", "TYPE2"] = "B-5"无法工作一样。

如何让df.loc检查ID是否是相同的，然后从TYPE2中获取非空值并将其放入其他的ID行？还有其他方法来获得同样的结果吗？

Answer 1

要在每个ID中填充空值，首先必须使用.groupby，然后将.bfill()和.ffill()组合起来

df['TYPE2'] = df.groupby('ID')['TYPE2'].bfill().ffill()
#result
    ID          DESCRIPTION     TYPE1   TYPE2
0   12345678    EXAMPLENAME1    874.4   B-5
1   12345678    EXAMPLENAME2    854.4   B-5
2   12345678    EXAMPLENAME3    874.4   B-5
3   78978999    EXAMPLENAME2    788.8   B-9
4   78978999    EXAMPLENAME4    978.2   B-9
5   78978999    EXAMPLENAME1    288.3   B-9
6   92124566    EXAMPLENAME3    369.1   B-3
7   92124566    EXAMPLENAME3    289.1   B-3
8   92124566    EXAMPLENAME3    959.1   B-3