如何使用Pandas将DataFrame中A6、A7行的np.nan值替换为另一个DataFrame的对应值

这里有两种简单高效的方法可以完成这个需求，直接来看代码和对应的解释：

方法1：通过.loc精准定位赋值 #

这种方法适合你明确知道要替换的行和列范围的场景，直接定位后赋值即可：

# 选取df中与df1匹配的行和列，赋值df1的内容
df.loc[df1.index, df1.columns] = df1

解释：df1的索引是A6、A7，列是4b、5c、6d，正好完全对应df中需要替换NaN的位置。通过.loc选取这些行和列的交叉区域，直接把df1的值赋过去，就能精准覆盖原来的NaN值。

方法2：使用pandas的update方法 #

如果你想更简洁地完成更新，update方法是专门干这个的——它会自动匹配两个DataFrame的索引和列，用df1的有效值覆盖df对应位置的内容：

# 用df1更新df的对应位置
df.update(df1)

解释：update方法会智能匹配两个DataFrame的索引和列交集，只更新那些在df1中存在的行和列的位置，而且只会用df1中的非NaN值（这里df1没有NaN）去替换df的值，完全符合你的需求。

替换后的效果示例 #

执行任意一种方法后，df的A6、A7行会变成这样：

3a    4b    5c    6d
A6   12   1.0   2.0   3.0
A7  -32   3.0   4.0   5.0

其他行的内容不会受到影响。

内容的提问来源于stack exchange，提问作者TRex