在python数据处理中，我们如何根据已知的非数值型的两列，来对存在缺失值的另外一列进行填充，写出完整的python代码

在Python中，我们可以利用pandas库来进行数据处理，特别是当需要根据非数值型列（如分类变量）填充数值型列的缺失值时。这里是一个简单的例子，假设我们有一个DataFrame `df`，其中`column1` 和 `column2` 是非数值型列，而`column3` 是数值型列，并且我们要根据`column1` 的类别来填充`column3` 的缺失值。

import pandas as pd

# 假设 df 是你的 DataFrame
df = pd.DataFrame(...)

# 假设 column1 中有类别标签，例如 'A', 'B', 'C'
category_map = {'A': 0, 'B': 1, 'C': 2}  # 这里可以是你实际的映射规则

# 使用 groupby 聚合并填充 missing 值
df['column3'] = df.groupby('column1')['column3'].transform(lambda x: x.fillna(x.mean() if not x.isnull().all() else category_map[df['column1'].iloc[0]]))

# 或者如果你想要用最常出现的值填充，可以改为下面这行
# df['column3'] = df.groupby('column1')['column3'].fillna(df.groupby('column1')['column3'].mode().iloc[0])

print("已完成基于非数值列的填充")