所以，我的数据帧是
price model_year model condition cylinders fuel odometer transmission type paint_color is_4wd date_posted days_listed
0 9400 2011.0 bmw x5 good 6.0 gas 145000.0 automatic SUV NaN True 2018-06-23 19
1 25500 NaN ford f-150 good 6.0 gas 88705.0 automatic pickup white True 2018-10-19 50
2 5500 2013.0 hyundai sonata like new 4.0 gas 110000.0 automatic sedan red False 2019-02-07 79
3 1500 2003.0 ford f-150 fair 8.0 gas NaN automatic pickup NaN False 2019-03-22 9
4 14900 2017.0 chrysler 200 excellent 4.0 gas 80903.0 automatic sedan black False 2019-04-02 28
如您所见，第1行的型号与第3行的型号相同，但第1行缺少型号年份。很自然，我可以用第3行替换第1行的车型年份，这样就没有NaN了，我知道我可以手动更改它，但数据帧超过50000行长，还有更多类似的值。有没有一种自动的方法可以这样替换这些值？
编辑：在查看了刚才的df之后，我意识到我不能真的像那样更换车型年份，因为即使在同一车型内，它也可能发生变化，尽管我仍然很想知道它是如何做到的，如果可能的话，以供未来参考
您可以将数据帧与其自身合并并填充它。
df_want = df.merge(df[['model_year','model']].dropna().drop_duplicates(),on='model',how='left')
df_want['model_year'] = df_want['model_year_x'].fillna(df_want['model_year_y']
df_want = df_want.drop(['model_year_x','model_year_y'],axis=1)
是的，您可以将所有NaN模型年份替换为非NaN条目，如下所示：
models = df['model'].unique()
for m in models:
year = df.loc[(df['model_year'].notna()) & (df['model'] == m)]['model_year'].values[0]
df.at[(df['model_year'].isna()) & (df['model'] == m), 'model_year'] = year