Pandas：使用另一列的max（）值映射列

Question

我有一个类似的例子，类似于我的另一个问题Pandas:在多个列上使用字典映射列，但是现在，我想不直接使用列“category”的max()值，而是间接使用它来填充第四列“category_name”中的None与问题1中的情况相同，但是增加了一个包含字符串的列。

import pandas as pd
 f = {'company': ['Company1', 'Company1', 'Company1', 'Company1', 'Company2', 'Company2'],
         'product': ['Product A', 'Product A', 'Product F', 'Product A', 'Product F', 'Product F'],
         'category': ['1', 1, '3', '2', 3, '5'],
         'category_name': ['a', None, 'b', 'c', None, 'd']
         }

df = pd.DataFrame(f)

此处“类别”列始终是填充的，而“类别名称”列有一些缺失值:

   company   product     category      category_name
0  Company1  Product A        1             a
1  Company1  Product A        1          None
2  Company1  Product F        3             b
3  Company1  Product A        2             c
4  Company2  Product F        3          None
5  Company2  Product F        5             d

我想再一次用值填充无/南，我想使用的逻辑是：使用列“类别”中最大值的行的列“category_name”作为列1.2的组合。

预期的结果是：

   company   product     category      category_name
0  Company1  Product A        1             a
1  Company1  Product A        1           **c**
2  Company1  Product F        3             b
3  Company1  Product A        2             c
4  Company2  Product F        3           **d**
5  Company2  Product F        5             d

-

我将非常感谢这方面的帮助。非常感谢

Answer 1

   `
def fnx(x):
    m=x["category"].max() 
    val=x[x["category"]==m][" 
    category_name"].values
    x["category_name"].fillna(val[0], in 
    place=True) 
    return x
df = df.groupby(['company','product']).apply(fnx)
` 

Answer 2

使用＜code＞系列的自定义函数。idxmax用于类别_name，按最大分类：

df['category'] = df['category'].astype(int)

def f(x):
    s = x.set_index('category_name')['category'].idxmax()
    x['category_name'] = x['category_name'].fillna(s)
    return x

df = df.groupby(['company','product']).apply(f)
print (df)
    company    product  category category_name
0  Company1  Product A         1             a
1  Company1  Product A         1             c
2  Company1  Product F         3             b
3  Company1  Product A         2             c
4  Company2  Product F         3             d
5  Company2  Product F         5             d