我有一个需求，需要使用groupby.first元素来替换空值(NaN)。

测试数据：

ID,Name,Cost1,A,122,B,163,C,284,A,125,D,336,B,167,A,8,C,289,C,10,D,3311,D,3312,B,1613,B,16

某一名称(项目)的成本在整个数据集中保持不变。一些成本字段没有填写。我需要根据对应的名称对象的成本来填充这些缺失的成本值。

我尝试了以下方法，但没有成功。请问有人可以帮助吗？

dataset['Cost'] = (dataset.groupby('Name')).apply(lambda x: dataset.groupby('Name')['Cost'].first())

我使用的是pandas。

回答：

尝试使用fillna和map

s = df.groupby('Name')['Cost'].first().to_dict()df['Cost'] = df['Cost'].fillna(df['Name'].map(s))

print(df)   ID Name  Cost0    1    A  12.01    2    B  16.02    3    C  28.03    4    A  12.04    5    D  33.05    6    B  16.06    7    A  12.07    8    C  28.08    9    C  28.09   10    D  33.010  11    D  33.011  12    B  16.012  13    B  16.0