用另一个Python的值填充一列的nan

我有一个数据集，该数据集已合并在一起，以填补彼此之间的缺失值

问题是，我有一些列缺少数据，现在我想用不缺少的值填充这些列

对于输入，合并的数据集如下所示：

Name         State       ID       Number_x      Number_y       Op_x       Op_y
Johnson      AL          1        1             nan            1956       nan
Johnson      AL          1        nan           nan            1956       nan
Johnson      AL          2        1             nan            1999       nan
Johnson      AL          2        0             nan            1999       nan
Debra        AK          1A       0             nan            2000       nan
Debra        AK          1B       nan           20             nan        1997
Debra        AK          2        nan           10             nan        2009
Debra        AK          3        nan           1              nan        2008
.
.

我想要的输出是：

Name         State       ID       Number_x      Number_y     Op_x       Op_y
Johnson      AL          1        1             1            1956       1956
Johnson      AL          2        1             1            1999       1999
Johnson      AL          2        0             0            1999       1999
Debra        AK          1A       0             0            2000       2000
Debra        AK          1B       20            20           1997       1997
Debra        AK          2        10            10           2009       2009
Debra        AK          3        1             1            2008       2008
.
.

因此，我希望所有

nan

值都被其列中的关联值替换-将

Number\u x

匹配到

Number\u y

和

Op\u x

匹配到

Op\u y

需要注意的一点是，当两个ID相同时，有时它们的值会不同；类似于

Johnson

，具有

ID=2

，具有不同的数字，但op值相同。我想保留这些，因为我需要对它们进行更多的调查

---

此外，如果该行有两个

Number\ux

和

Number\uy

缺失值，我想将该行取出，就像

Johnson

使用

Number\ux

和

Number\uy

作为

nan

值缺失一样。

df.groupby(df.columns.str.split('_').str[0],1).first().dropna(subset=['Number','Op'])
   ID     Name  Number      Op State
0   1  Johnson     1.0  1956.0    AL
2   2  Johnson     1.0  1999.0    AL
3   2  Johnson     0.0  1999.0    AL
4  1A    Debra     0.0  2000.0    AK
5  1B    Debra    20.0  1997.0    AK
6   2    Debra    10.0  2009.0    AK
7   3    Debra     1.0  2008.0    AK

让我们使用
axis=1

df.groupby(df.columns.str.split('_').str[0],1).first().dropna(subset=['Number','Op'])
   ID     Name  Number      Op State
0   1  Johnson     1.0  1956.0    AL
2   2  Johnson     1.0  1999.0    AL
3   2  Johnson     0.0  1999.0    AL
4  1A    Debra     0.0  2000.0    AK
5  1B    Debra    20.0  1997.0    AK
6   2    Debra    10.0  2009.0    AK
7   3    Debra     1.0  2008.0    AK

为什么最后第二排的一个是1，另一个是10？对不起-已更正。谢谢。您还有重复的列输入输出，_x和_y是相同的吗？关于
df.loc[df.isnull（）.any（axis=1），：]=df.ffill（）
为什么最后第二行是1，另一行是10？抱歉-已更正。谢谢。你还有重复的列输入输出，_x和_y是一样的吗？关于
df.loc[df.isnull（）.any（axis=1），：]=df.ffill（）
astype（int）对于
['Number'，'Op']
@pygo原始的df应该是浮动的，这就是为什么我把它保留在这里的原因。这只是部分df。@W-B，很好的解决方案，+1astype（int）表示
['Number'，'Op']
@pygo原始df应该是float，这就是为什么我把它保留在这里。这只是部分df。@W-B，很好的解，+1