如何用不同新UUID填充Pandas列中的缺失值？

你的问题出在fillna(str(uuid.uuid4()))的执行逻辑上——这行代码会先调用一次uuid.uuid4()生成一个固定UUID字符串，再把所有缺失值替换成这个固定值，自然所有缺失项都一样。要实现每个缺失值生成新UUID，得让函数在每个缺失位置单独执行，这里有几种实用方法：

方法1：使用apply遍历处理 #

直接对列应用lambda函数，判断每个值是否缺失，缺失则生成新UUID：

import pandas as pd
import uuid

# 示例DataFrame
df = pd.DataFrame({"B": [uuid.uuid4(), None, uuid.uuid4(), None]})

# 填充缺失值
df["B"] = df["B"].apply(lambda x: str(uuid.uuid4()) if pd.isna(x) else x)

方法2：使用where保留非缺失值，替换缺失值 #

利用where方法，对非缺失值保留原值，缺失值通过apply生成新UUID：

df["B"] = df["B"].where(pd.notna(df["B"]), df["B"].apply(lambda _: str(uuid.uuid4())))

方法3：批量生成对应数量的UUID替换 #

先统计缺失值的数量，生成对应个数的UUID列表，再替换到缺失位置：

null_count = df["B"].isna().sum()
# 生成对应数量的UUID字符串列表
uuid_list = [str(uuid.uuid4()) for _ in range(null_count)]
# 替换缺失值
df.loc[df["B"].isna(), "B"] = uuid_list

这几种方法都能保证每个缺失值得到唯一的UUID，根据你的习惯选择即可。

内容的提问来源于stack exchange，提问作者mrgou