如何在Pandas的np.array类型列中批量填充缺失值？

问题根源 #

直接通过df.loc[mask, "col3"] = vals_to_impute报错，是因为Pandas无法直接匹配包含numpy数组的填充值与目标列的结构，导致长度校验失败。

向量化解决方法（无需循环） #

方法1：用pd.Series包裹填充值后赋值

把填充值列表转为带对应索引的Series，让Pandas能正确匹配赋值位置：

import pandas as pd
import numpy as np

# 构造示例数据
df = pd.DataFrame({
    "col1": [1, 2, 3],
    "col2": ["a", "b", "c"],
    "col3": [None, np.array([2, 4]), None]
})
vals_to_impute = [np.array([1, 2]), np.array([1, 4])]

mask = df["col3"].isna()
# 生成与缺失值索引匹配的Series
fill_series = pd.Series(vals_to_impute, index=df[mask].index)
df.loc[mask, "col3"] = fill_series

方法2：使用np.where批量替换

通过向量化条件判断直接替换缺失值：

df["col3"] = np.where(mask, vals_to_impute, df["col3"])

⚠️ 注意：vals_to_impute的长度必须和mask中True的数量完全一致，否则会触发长度不匹配错误。

验证结果 #

执行后查看df["col3"]，每个缺失位置都会被正确填充为对应的numpy数组：

0    [1, 2]
1    [2, 4]
2    [1, 4]
Name: col3, dtype: object

内容的提问来源于stack exchange，提问作者qalis