Question

我有一个像下面这样的pandas数据框：

如何使用相同的产品类型填充具有相同策略编号的空单元格？

非常感谢任何建议。谢谢

很抱歉这个混乱，我现在正在添加我的示例数据框：

sample = [{'POLICY NUMBER'：''，'PRODUCT TYPE'：'MED'}，{'POLICY NUMBER'：''，'PRODUCT TYPE'：'MED'}，{'POLICY NUMBER'： '433M49763'，'产品类型'：'MED'}，{'POLICY NUMBER'：'433M86968'，'产品类型'：'MED'}，{'政策号码'：''，'产品类型'：'TED '}，{'POLICY NUMBER'：'566D158635'，'PRODUCT TYPE'：'TED'}，{'POLICY NUMBER'：'655D158635'，'PRODUCT TYPE'：'TED'}，{'POLICY NUMBER'：' 789D158635'，'产品类型'：'TED'}]

pd.DataFrame（样品）

请注意，空单元格中也有“”，在整个数据框中它们不是NaN

添加上述问题。如果我有如上所述的更改数据帧。我如何进入以下数据框：

Answer 1

我认为您需要groupby + transform：

如果每个组只有一个相同的类别且没有数据为空string s：

df['POLICY NUMBER'] = (df.groupby('PRODUCT TYPE')['POLICY NUMBER']
                         .transform(lambda x: x[x != ''].iat[0]))

print (df)
  POLICY NUMBER PRODUCT TYPE
0     433M86968          MED
1     433M86968          MED
2     433M86968          MED
3     433M86968          MED
4    566D158635          TED
5    566D158635          TED
6    566D158635          TED
7    566D158635          TED

或者如果可能的话并不总是空洞的叮咬，但有时会有wtrailing whitespaces，需要strip：

df['POLICY NUMBER'] = (df['POLICY NUMBER'].str.strip().groupby(df['PRODUCT TYPE'])
                                  .transform(lambda x: x[x != ''].iat[0]))

print (df)
  POLICY NUMBER PRODUCT TYPE
0     433M86968          MED
1     433M86968          MED
2     433M86968          MED
3     433M86968          MED
4    566D158635          TED
5    566D158635          TED
6    566D158635          TED
7    566D158635          TED

排序和转换last值的解决方案：

df['POLICY NUMBER'] = (df.sort_values(['PRODUCT TYPE','POLICY NUMBER'])
                         .groupby('PRODUCT TYPE')['POLICY NUMBER']
                         .transform('last'))
print (df)
  POLICY NUMBER PRODUCT TYPE
0     433M86968          MED
1     433M86968          MED
2     433M86968          MED
3     433M86968          MED
4    566D158635          TED
5    566D158635          TED
6    566D158635          TED
7    566D158635          TED

编辑：您需要在NaN之前替换空字符串，然后使用bfill向后转发NaN ffill用于转发填充NaN：

df['POLICY NUMBER'] = (df['POLICY NUMBER'].str.strip()
                                          .replace('',np.nan)
                                          .groupby(df['PRODUCT TYPE'])
                                          .transform(lambda x: x.bfill().ffill()))

print (df)
  POLICY NUMBER PRODUCT TYPE
0     433M49763          MED
1     433M49763          MED
2     433M49763          MED
3     433M86968          MED
4    566D158635          TED
5    566D158635          TED
6    566D158635          TED
7    789D158635          TED

使用pandas dataframe中另一列的相同值填充空值

1 个答案: