Python熊猫：使用相同的类别名称（在一列中）和NaN（在另一列中）填充数据帧

我有一个与此类似但更大的数据帧：

       year city_code  total_tax
id_inf                           
9       2002       NaN        NaN
9       2003         a      417.0
9       2004         a      950.0
9       2005       NaN        NaN
9       2006       NaN        NaN
54      2002         b      801.0
54      2003       NaN        NaN
54      2004         b      218.0
54      2005         b      886.0
54      2006         b      855.0

我需要在“城市代码”中填入相同类别的“id\U inf”，并在“总税”列中将NaN替换为零

第二项任务很简单：df_balanced['total_tax']=df_balanced['total_tax']]

但是对于第一个任务，有人建议我使用类似的东西：“df_balanced['city_code']=df_balanced.groupbylevel=0['city_code'].transformmax”。但是，当我使用此解决方案时，我遇到了以下错误：“float”和“str”实例之间不支持“>=”

我需要的输出如下：

        year city_code  total_tax
id_inf                           
9       2002         a        0.0
9       2003         a      417.0
9       2004         a      950.0
9       2005         a        0.0
9       2006         a        0.0
54      2002         b      801.0
54      2003         b        0.0
54      2004         b      218.0
54      2005         b      886.0
54      2006         b      855.0

先用

df['city_code']=df.groupby('id_inf').city_code.transform('first')
#df.groupby('id_inf').city_code.transform('first')
Out[278]: 
id_inf
9     a
9     a
9     a
9     a
9     a
54    b
54    b
54    b
54    b
54    b
Name: city_code, dtype: object