Python 用另一个数据帧中的值填充空值

我有两个数据帧。在dataframe1中，我有一个包含一些空值的列。我希望通过比较每个数据帧的不同列的值，使用另一个数据帧（即dataframe2）的值来填充这些空值

数据帧1：

Col1 Col2
A    Null
B    Null
C    NUll
A    1000
B    1120
C    3200

数据帧2：

Col1 Col2
A    500
B    110
C    320

现在我想用第二个数据帧中的值填充第一个数据帧中的空值，其中dataframe1.col1=dataframe2.col1

最终所需输出如下所示：

Col1 Col2
A    500
B    110
C    320
A    1000
B    1120
C    3200

如何在熊猫数据帧中执行此操作。

您可以使用替换

NaN

s by或：

详细信息：

print(df1['Col1'].map(df2.set_index('Col1')['Col2']))
0    500
1    500
2    320
3    500
4    110
5    320
Name: Col1, dtype: int64

print(df2.set_index('Col1')['Col2'])
Col1
A    500
B    110
C    320
Name: Col2, dtype: int64

另一种解决方案是根据

映射的条件值进行过滤：

m = df1['Col2'] == 'Null'
df1.loc[m, 'Col2'] = df1.loc[m, 'Col1'].map(df2.set_index('Col1')['Col2'])
print (df1)
  Col1  Col2
0    A   500
1    B   110
2    C   320
3    A  1000
4    B  1120
5    C  3200

您可以将字符串转换为nan，然后组合数据帧，即

df.assign(Col2 = pd.to_numeric(df.Col2,errors='coerce'))\
     .set_index('Col1').combine_first(df2.set_index('Col1')).reset_index())

   Col1    Col2
0    A   500.0
1    A  1000.0
2    B   110.0
3    B  1120.0
4    C   320.0
5    C  3200.0

我的标准方法是将series.replace/series.fillna与series.map（dict）结合起来

这是排序问题，你赢了，先生。因为OP在最后没有提到索引，所以让解决方案留在这里。
df.assign(Col2 = pd.to_numeric(df.Col2,errors='coerce'))\
     .set_index('Col1').combine_first(df2.set_index('Col1')).reset_index())

   Col1    Col2
0    A   500.0
1    A  1000.0
2    B   110.0
3    B  1120.0
4    C   320.0
5    C  3200.0

fill_dict = dataframe2.set_index('Col1')['Col2'].to_dict()
dataframe1['Col2'] = dataframe1['Col2'].replace('Null', dataframe1['Col1'].map(fill_dict))