如何使用Series填充DataFrame中IDN列的NaN值？combine_first方法执行异常（Jupyter陷入无限循环）求助

这问题我碰到过！combine_first在这里不好使的核心原因是它是按索引位置对齐的，而不是按你想要的Name列匹配。你看你的df1索引是0到8，s2的索引是0到4，直接用的话它会把s2索引0的Armin Zhu的值塞给df1索引0的John Arnolt，完全不符合你的需求，而且因为重复项的存在，还可能触发内部的循环对齐逻辑导致Jupyter卡住。

正确的解决方案：先构建Name到IDN的映射 #

我们需要先从s2中提取每个Name对应的唯一IDN值，再用这个映射去填充df1的NaN。具体步骤如下：

1. 创建Name到IDN的唯一映射
   因为s2里同一个Name有重复项（比如Wanda Von出现两次都是GE3214），我们可以先去重或者用分组取第一个有效值来得到唯一映射：

   # 方法1：去重后构建映射
   idn_mapping = s2.drop_duplicates().set_index('Name')[0]
   # 方法2：用groupby取每个Name的第一个有效值（更稳妥，避免s2里同一Name有不同值的情况）
   idn_mapping = s2.groupby('Name').first()[0]
   

2. 用映射填充df1的IDN列
   用fillna结合map，按Name匹配填充NaN：

   df1['IDN'] = df1['IDN'].fillna(df1['Name'].map(idn_mapping))
   

另一种方法：用Merge实现匹配填充 #

如果你更习惯用表连接的逻辑，也可以用merge来实现：

# 把s2转成去重的DataFrame，并重命名列
s2_df = s2.drop_duplicates().rename(columns={0: 'IDN_s2'})
# 左连接df1和s2_df，按Name匹配
merged = df1.merge(s2_df, on='Name', how='left')
# 填充NaN
df1['IDN'] = df1['IDN'].fillna(merged['IDN_s2'])

最终效果 #

执行后你的df1会变成：

内容的提问来源于stack exchange，提问作者Alex T