Python 通过在大熊猫组中添加连续数字来填充NaN

我有一个数据帧，比如

Groups NAME Number
G1     A    1
G1     B    2
G1     D    NaN
G1     D    NaN 
G1     I    3
G1     H    NaN 
G2     E    1 
G2     E    1
G2     F    NaN
G2     J    2
G3     K    NaN
G3     L    1

我想通过填写数字来填充组中的NaN值

例如，

G1

中的

D

获取编号4，因为1、2和3已经存在。 然后H在

G1

中获得

数字5

等

在那一刻，我应该得到

Groups NAME Number
G1     A    1
G1     B    2
G1     D    4
G1     D    4
G1     I    3
G1     H    5
G2     E    1 
G2     E    1
G2     F    3
G2     J    2
G3     K    2
G3     L    1

---

有人有什么想法吗？

这里有一种方法使用

pd.factorize（）

---

您可以使用

groupby

+

ngroup

为每个组/名称添加带递增整数的空值。然后我们减去组内的最小

n组

（以确定要添加的数量），然后添加组内已经存在的最大数量

然后，我们用这个系列

fillna

s = df[df['Number'].isnull()].groupby(['Groups', 'NAME']).ngroup()
#2     0      #<- G1/D  (Series index is DataFrame index)
#3     0      #<- G1/D  
#5     1      #<- G1/H 
#8     2      #<- G2/F
#10    3      #<- G3/K

to_fill = (s - s.groupby(df['Groups']).transform('min') + 1
           + df.groupby('Groups')['Number'].transform('max'))
#0     NaN
#1     NaN
#2     4.0
#3     4.0
#4     NaN
#5     5.0
#6     NaN
#7     NaN
#8     3.0
#9     NaN
#10    2.0
#11    NaN

df['Number'] = df['Number'].fillna(to_fill, downcast='infer')
#   Groups NAME  Number
#0      G1    A       1
#1      G1    B       2
#2      G1    D       4
#3      G1    D       4
#4      G1    I       3
#5      G1    H       5
#6      G2    E       1
#7      G2    E       1
#8      G2    F       3
#9      G2    J       2
#10     G3    K       2
#11     G3    L       1

s=df[df['Number'].isnull（）].groupby（['group'，'NAME']）.ngroup（）
#2     0      #
s = df[df['Number'].isnull()].groupby(['Groups', 'NAME']).ngroup()
#2     0      #<- G1/D  (Series index is DataFrame index)
#3     0      #<- G1/D  
#5     1      #<- G1/H 
#8     2      #<- G2/F
#10    3      #<- G3/K

to_fill = (s - s.groupby(df['Groups']).transform('min') + 1
           + df.groupby('Groups')['Number'].transform('max'))
#0     NaN
#1     NaN
#2     4.0
#3     4.0
#4     NaN
#5     5.0
#6     NaN
#7     NaN
#8     3.0
#9     NaN
#10    2.0
#11    NaN

df['Number'] = df['Number'].fillna(to_fill, downcast='infer')
#   Groups NAME  Number
#0      G1    A       1
#1      G1    B       2
#2      G1    D       4
#3      G1    D       4
#4      G1    I       3
#5      G1    H       5
#6      G2    E       1
#7      G2    E       1
#8      G2    F       3
#9      G2    J       2
#10     G3    K       2
#11     G3    L       1