Замените нулевые значения с помощью groupby.first () в pandas

Question

У меня есть требование, при котором я должен заменить нулевые (NaN) значения с помощью элемента groupby.first.

Тестовые данные:

ID,Name,Cost
1,A,12
2,B,16
3,C,28
4,A,12
5,D,33
6,B,16
7,A,
8,C,28
9,C,
10,D,33
11,D,33
12,B,16
13,B,16

Стоимость имени (предмета) остается то же самое во всем. Немногие из полей стоимости не заполнены. Мне нужно заполнить пропущенные значения Cost согласно стоимости объекта Name.

Я попробовал следующее, но это не сработало. Может кто-нибудь помочь, пожалуйста?

dataset['Cost'] = (dataset.groupby('Name')).apply(lambda x: dataset.groupby('Name')['Cost'].first())

Я использую pandas.

Answer 1

Попробуйте fillna с map

s = df.groupby('Name')['Cost'].first().to_dict()

df['Cost'] = df['Cost'].fillna(df['Name'].map(s))

---

print(df)

   ID Name  Cost
0    1    A  12.0
1    2    B  16.0
2    3    C  28.0
3    4    A  12.0
4    5    D  33.0
5    6    B  16.0
6    7    A  12.0
7    8    C  28.0
8    9    C  28.0
9   10    D  33.0
10  11    D  33.0
11  12    B  16.0
12  13    B  16.0