填充pandas数据帧中的缺失值

Question

我有一个包含两列的pandas数据帧: locationid、geo_loc。locationid列缺少值。

我想要获取丢失的位置id行的Locationid值，然后在geo_loc列中搜索这个geo_loc值并获取位置id。

df1 = pd.DataFrame({'locationid':[111, np.nan, 145, np.nan, 189,np.nan, 158, 145],
                     'geo_loc':['G12','K11','B16','G12','B22','B16', 'K11',he l 'B16']})
df

​

​

我需要如下所示的最终输出：

​

​

位置is的索引%1丢失，相应的geo_loc值为'K11‘。我会在geo_loc列中查找这个'K11‘，索引6有locationid158。我想用这个值来填充索引1中缺失的值。

我试过这些代码，但它们不起作用。

df1['locationid'] = df1.locationid.fillna(df1.groupby('geo_loc')['locationid'].max())

df1['locationid'] = df1.locationid.fillna(df1.groupby('geo_loc').apply(lambda x: print(list(x.locationid)[0])))

Answer 1

对具有相同大小的序列使用GroupBy.transform，如由聚合值max填充的原始序列

df1['locationid']=df1.locationid.fillna(df1.groupby('geo_loc')['locationid'].transform('max'))
print (df1)
   locationid geo_loc
0       111.0     G12
1       158.0     K11
2       145.0     B16
3       111.0     G12
4       189.0     B22
5       145.0     B16
6       158.0     K11
7       145.0     B16

如果通过在lambda函数中使用Series.dropna删除缺失的值是可能的，字符串将按字典顺序进行比较：

df1 = pd.DataFrame({'locationid':[111, np.nan, 145, np.nan, 189,np.nan, 158, 145],
                     'geo_loc':['G12','K11','B16','G12','B22','B16', 'K11', 'B16']})

#sample data strings with missing values
df1['locationid'] = df1['locationid'].dropna().astype(str) + 'a'


df1['locationid']= (df1.groupby('geo_loc')['locationid']
                       .transform(lambda x: x.fillna(x.dropna().max())))

print (df1)
  locationid geo_loc
0     111.0a     G12
1     158.0a     K11
2     145.0a     B16
3     111.0a     G12
4     189.0a     B22
5     145.0a     B16
6     158.0a     K11
7     145.0a     B16