Pandas：在多列上使用字典映射列

Question

我有一个数据帧，其中一列中具有“无”值。我想将此 None 值替换为其他列的相同组合的“类别”的最大值。

示例:熊猫数据帧

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

df = pd.DataFrame(d)

   company   product       category
0  Company1  Product A        1
1  Company1  Product A     None
2  Company1  Product F        3
3  Company1  Product A        2
4  Company2  Product F     None
5  Company2  Product F        5

我想将3中的无值替换为唯一组合（1.2列组）此列的max（）值。预期结果如下所示：

   company   product       category
0  Company1  Product A        1
1  Company1  Product A        **2**
2  Company1  Product F        3
3  Company1  Product A        2
4  Company2  Product F        **5**
5  Company2  Product F        5

我尝试过的:我把1。2.列(“公司产品”)获取3的最大值()。列建立一个字典'类别'。(基于GroupBy结果到列表字典的思想)

df_dict = df[~df['category'].isna()].groupby(['company','product'])['category'].max().apply(list).to_dict()

我得到这个判决df_dict（显示每个组合的最大类别值）：

{('Company1', 'Product A'): ['2'], ('Company1', 'Product F'): ['1'], ('Company2', 'Product F'): ['5']}

现在我想用字典中每个组合的最大值替换无

df[df['category'].isna()]

   ompany    product       category
1  Company1  Product A     None
4  Company2  Product F     None

问题是，我该怎么做？我尝试使用< code>set_index()

df[df['category'].isna()].set_index(['company', 'product']).index

结果

MultiIndex([('Company1', 'Product A'),
        ('Company2', 'Product F')],
       names=['company', 'product'])

这将匹配字典中的条目并将其一起使用map（）

    df['category'] = df[df['category'].isna()].set_index(['company', 'product']).in
dex.map(df_dict)

...但是我得到了一个值错误

ValueError: Length of values (2) does not match length of index (6)

Answer 1

两个步骤，

首先，将这些 None 值转换为 NaN，以便我们可以使用数值运算。

df['category'] = pd.to_numeric(df['category']) # add arg ,errors='coerce' if needed.

第二，让我们使用groupby transform和max仅填充NaN值。

df["category"] = df["category"].fillna(
    df.groupby(["company", "product"])["category"].transform("max")
)
print(df)

    company    product  category
0  Company1  Product A       1.0
1  Company1  Product A       2.0
2  Company1  Product F       3.0
3  Company1  Product A       2.0
4  Company2  Product F       5.0
5  Company2  Product F       5.0