Python 如何根据两个不同列的值在一列中填充NaN

我有一个三列的数据框。其中两个是组和子组，第三个是值。我在“值”列中有一些NaN值。我需要根据组和子组，通过中值计算它们

我用双索引和目标列的中位数制作了一个透视表。但我不明白如何获取这些值并将它们放入原始数据帧中

将熊猫作为pd导入
df=pd.DataFrame（数据帧=[
[1,1，'A'，1]，
[2,1，'A'，3]，
[3,3，'B'，8]，
[4,2，'C'，1]，
[5,3，'A'，3]，
[6,2，'C'，6]，
[7,1，'B'，2]，
[8,1，'C'，3]，
[9,2，'A'，7]，
[10,3，'C'，4]，
[11,2，'B'，6]，
[12,1，'A']，
[13,1，'C']，
[14,2，'B']，
[15,3，'A']]，列=['id'，'group'，'subgroup'，'value']）
打印（df）
id组子组值
0 1 A 1
1 2 1 A 3
2 3 B 8
3 4 2 C 1
4 5 3 A 3
5 6 2 C 6
671b2
7 8 1 C3
8 9 2 A 7
9103C4
10112B6
11 12 1阿南
12 13 1 C南
13 14 2 B南
14 15 3阿南
df_struct=df.pivot_表（索引=['group'，'subgroup']，value='value'，aggfunc='median'）
打印（df_结构）
价值
群子群
1A2.0
B 2.0
C3.0
2 A 7.0
B 6.0
C 3.5
3 A 3.0
B 8.0
C4.0

---

感谢您的帮助

使用

pandas.DataFrame.groupby.transform

然后

fillna

：

    id  group subgroup  value
0    1      1        A    1.0
1    2      1        A    NaN # < Value with nan
2    3      3        B    8.0
3    4      2        C    1.0
4    5      3        A    3.0
5    6      2        C    6.0
6    7      1        B    2.0
7    8      1        C    3.0
8    9      2        A    7.0
9   10      3        C    4.0
10  11      2        B    6.0

df['value'] = df['value'].fillna(df.groupby(['group', 'subgroup'])['value'].transform('median'))
print(df)

    id  group subgroup  value
0    1      1        A    1.0
1    2      1        A    1.0
2    3      3        B    8.0
3    4      2        C    1.0
4    5      3        A    3.0
5    6      2        C    6.0
6    7      1        B    2.0
7    8      1        C    3.0
8    9      2        A    7.0
9   10      3        C    4.0
10  11      2        B    6.0