Python/Pandas：基于其他列条件替换指定列的NaN值

首先注意你的原始数据中，a列的'NaN'是字符串类型，并非pandas可识别的缺失值，这是导致你之前操作失效的核心原因。以下是完整解决步骤：

步骤1：转换字符串'NaN'为真实缺失值 #

先将a列转为数值类型，同时把字符串'NaN'强制转为缺失值：

import pandas as pd

data = [{'a': 12, 'b': 2, 'c': 3, 'd': 'bat'},
        {'a': 'NaN', 'b': 20, 'c': 30, 'd': 'ball'},
        {'a': 4, 'b': 20, 'c': 30, 'd': 'pin'}]

df = pd.DataFrame(data)
# 转换字符串'NaN'为缺失值
df['a'] = pd.to_numeric(df['a'], errors='coerce')

步骤2：按条件替换缺失值 #

方法1：使用df.loc（直观易读）

直接定位符合条件的行，将a列的值替换为对应b列的值：

df.loc[(df['c'] > 20) & (df['d'] == 'ball') & df['a'].isna(), 'a'] = df['b']

方法2：使用df.mask（链式操作友好）

通过mask方法，当满足条件时用b列的值替换a列的缺失值：

df['a'] = df['a'].mask(
    (df['c'] > 20) & (df['d'] == 'ball') & df['a'].isna(),
    df['b']
)

执行后，第二行的a列缺失值会被替换为20，最终结果如下：

a   b   c     d
0  12.0   2   3   bat
1  20.0  20  30  ball
2   4.0  20  30   pin

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