Python groupby并替换某些值

我想按id分组搜索注释，并用每个id下出现的注释替换与该id关联的所有行

我当前的逻辑是用模式值替换与id关联的所有行，但在某些情况下注释不是模式（nan是）

这是我的代码：

file['name'] = file.groupby('data__id')['name'].apply(lambda x: x.fillna(x.mode()))

数据样本：

data__id      name
1              yes
1
2              
2               no
2 

---

此处的

模式

应返回多个值，因此请通过以下索引选择第一个值：

如果获得：

索引器错误：索引0超出大小为0的轴0的界限

如果

模式

返回空的

序列

，则使用

next

和

iter

返回默认值，因为组只包含缺少的值：

print (df)
   data__id name
0         1  yes
1         1  NaN
2         2  NaN
3         2   no
4         2  NaN
5         3  NaN

f = lambda x: x.fillna(next(iter(x.mode()), np.nan))
df['name'] = df.groupby('data__id')['name'].apply(f)
print (df)
   data__id name
0         1  yes
1         1  yes
2         2   no
3         2   no
4         2   no
5         3  NaN

或自定义值：

f = lambda x: x.fillna(next(iter(x.mode()), 'no match'))
df['name'] = df.groupby('data__id')['name'].apply(f)
print (df)
   data__id      name
0         1       yes
1         1       yes
2         2        no
3         2        no
4         2        no
5         3  no match

---

我建议使用

transform

而不是

apply

s=df.groupby('data__id')['name'].transform(lambda x: x.mode().iloc[0])
df.name.fillna(s,inplace=True)

---

您可以添加您的预期输出吗？

s=df.groupby('data__id')['name'].transform(lambda x: x.mode().iloc[0])
df.name.fillna(s,inplace=True)