Python 根据其他行中其他列的匹配值更新列的空填充行

假设我有一个数据帧，如下所示：

df1=
名称街道城市坐标
0 A0 B0 C0 1,1
1 A1 B0 C0 NaN
2 A2 B0 C0 NaN
3 A3 B2 C2南
4 A4 B2 C2 2,3
5 A5 B3 C3 NaN
6 A6 B3 C3 NaN

我希望结果是

df1=
名称街道城市坐标
0 A0 B0 C0 1,1
1 A1 B0 C0 1,1
2 A2 B0 C0 1,1
3 A3 B2 C2 2,3
4 A4 B2 C2 2,3
5 A5 B3 C3 NaN
6 A6 B3 C3 NaN

我想用相同的街道和城市更新坐标。 在上例中，索引0处的（B0，C0）具有坐标（1,1）。所以我需要将索引1和2的坐标更新为（1,1），因为它们有相同的街道和城市（B0，C0）。 实现这一目标的最佳方式是什么

另外，如果给我们一个数据帧列表，我如何以类似的方式更新所有数据帧。即

dfu列表=[df1，df2，…]

---

首先从所有数据帧生成具有唯一行的数据帧，然后使用此数据帧查找和更新每个数据帧是否是一个好主意？

如果每个组中只有一个非

NaN

值可以与

ffill

一起使用（与

method='ffill'

一起使用）：

解决方案包括：

或与：

第二种解决方案也适用于多个值-每组第一个正向填充值（不替换第一个值，保持

NaN

），然后所有第一个值替换为反向填充：

print (df)
  name street city coordinates
0   A0     B0   C0         1,1
1   A1     B0   C0         NaN
2   A2     B0   C0         NaN
3   A3     B2   C2         NaN
4   A4     B2   C2         2,3
5   A5     B2   C2         4,7
5   A6     B2   C2         NaN

df['coordinates'] = df.groupby(['street','city'])['coordinates']
                      .transform(lambda x: x.ffill().bfill())
print (df)
  name street city coordinates
0   A0     B0   C0         1,1
1   A1     B0   C0         1,1
2   A2     B0   C0         1,1
3   A3     B2   C2         2,3
4   A4     B2   C2         2,3
5   A5     B2   C2         4,7
5   A6     B2   C2         4,7

---

你能解释一下为什么

坐标中的最后两个值是NaN的吗？应该是
2,3
？对不起，我的错。我将更新问题。如何更新数据帧列表？i、 e如果列表中的任何数据帧中存在坐标，请使用空值更新所有行，并匹配所有数据帧中的其他列。我认为您需要先将所有数据帧与参数键连接在一起，应用解决方案，然后拆分它们。您能帮我将组合的数据帧拆分回数据帧列表吗？在做了下面的事情后，我被卡住了：df=pd.cancat（df_list，ignore_index=False）df['coordinates']=df.groupby（['street'，'city']）['coordinates'].transform（lambda x:x.dropna（））你可以在df.groupby（level=0）中为I，x尝试
L=[x.reset_index（level=0，drop=True）]
当数据帧具有
[A5 B3 C3 NaN]，[A6 B3 C3 NaN]，[A6 B3 C3 NaN]时，使用groupby和transform的解决方案不起作用。
我得到“ValueError:传递的项目数错误0，放置意味着2”错误。很抱歉这么晚才指出：(
df['coordinates'] = df.groupby(['street','city'])['coordinates']
                      .transform(lambda x: x.dropna())
print (df)
  name street city coordinates
0   A0     B0   C0         1,1
1   A1     B0   C0         1,1
2   A2     B0   C0         1,1
3   A3     B2   C2         2,3
4   A4     B2   C2         2,3
5   A5     B2   C2         2,3
5   A6     B2   C2         2,3

df['coordinates'] = df.groupby(['street','city'])['coordinates']
                      .transform(lambda x: x.ffill().bfill())
print (df)
  name street city coordinates
0   A0     B0   C0         1,1
1   A1     B0   C0         1,1
2   A2     B0   C0         1,1
3   A3     B2   C2         2,3
4   A4     B2   C2         2,3
5   A5     B2   C2         2,3
5   A6     B2   C2         2,3

print (df)
  name street city coordinates
0   A0     B0   C0         1,1
1   A1     B0   C0         NaN
2   A2     B0   C0         NaN
3   A3     B2   C2         NaN
4   A4     B2   C2         2,3
5   A5     B2   C2         4,7
5   A6     B2   C2         NaN

df['coordinates'] = df.groupby(['street','city'])['coordinates']
                      .transform(lambda x: x.ffill().bfill())
print (df)
  name street city coordinates
0   A0     B0   C0         1,1
1   A1     B0   C0         1,1
2   A2     B0   C0         1,1
3   A3     B2   C2         2,3
4   A4     B2   C2         2,3
5   A5     B2   C2         4,7
5   A6     B2   C2         4,7