如何在Pandas DataFrame指定列首个NaN位置添加单个值

要给指定列的首个NaN位置赋值，完全不需要用append或concat（这两个是用来添加整行/列的操作），直接定位目标位置修改即可，具体步骤如下：

1. 定位首个NaN的索引 #

先用isna()生成目标列的布尔掩码（NaN对应True，非NaN对应False），再通过idxmax()获取第一个True的索引——因为True在数值上等价于1，idxmax会返回第一个出现最大值的位置，也就是首个NaN的位置。

2. 直接赋值 #

拿到索引后，直接给DataFrame的对应位置赋值即可。

完整代码示例 #

import pandas as pd
import numpy as np

# 构造示例DataFrame
df = pd.DataFrame({
    'A': [5, 2, 4, np.nan, np.nan, np.nan],
    'B': [7, 1, 6, 4, 3, np.nan],
    'C': [2, np.nan, np.nan, np.nan, np.nan, np.nan],
    'D': [3, 4, 5, 6, np.nan, np.nan]
})

# 指定目标列和要填充的值
target_col = 'A'
fill_value = 3

# 获取首个NaN的索引
first_nan_idx = df[target_col].isna().idxmax()

# 赋值
df.loc[first_nan_idx, target_col] = fill_value

print(df)

输出结果 #

A    B    C    D
0  5.0  7.0  2.0  3.0
1  2.0  1.0  NaN  4.0
2  4.0  6.0  NaN  5.0
3  3.0  4.0  NaN  6.0
4  NaN  3.0  NaN  NaN
5  NaN  NaN  NaN  NaN

补充说明 #

如果目标列没有NaN，idxmax()会返回0，此时可以先判断列是否存在NaN再执行赋值：

if df[target_col].isna().any():
    first_nan_idx = df[target_col].isna().idxmax()
    df.loc[first_nan_idx, target_col] = fill_value
else:
    print(f"列{target_col}无NaN值")

内容的提问来源于stack exchange，提问作者bearwinterfirth