如何在Pandas DataFrame中按指定条件将NaN值替换为另一列值

我有一个DataFrame，包含整数类型的id列，以及浮点类型的start和end列。部分end列的值为nan，需要将其中满足特定id（例如id == 1）的nan值替换为对应行的start列的值。

示例输入数据 #

import pandas as pd

df = pd.DataFrame({
    "id": [0, 1, 1, 2, 2],
    "start": [1.1, 1.2, 1.3, 1.4, 1.5],
    "end": [1.1, float("nan"), 1.3, 1.4, float("nan")]
})

预期输出结果 #

处理后的数据：
df = pd.DataFrame({
    "id": [0, 1, 1, 2, 2],
    "start": [1.1, 1.2, 1.3, 1.4, 1.5],
    "end": [1.1, 1.2, 1.3, 1.4, float("nan")]
})

解决方法 #

方法1：使用loc精准定位赋值 #

这是最直接高效的方式，通过布尔索引筛选目标行后直接赋值：

# 筛选id等于1且end为NaN的行，将end列替换为对应start的值
df.loc[(df['id'] == 1) & (df['end'].isna()), 'end'] = df['start']

方法2：使用apply逐行判断 #

适合需要更复杂逻辑的场景，逐行检查条件并替换：

import pandas as pd

df['end'] = df.apply(
    lambda row: row['start'] if row['id'] == 1 and pd.isna(row['end']) else row['end'],
    axis=1
)

方法3：使用mask替换指定条件值 #

mask方法会将满足条件的元素替换为指定值，写法简洁：

df['end'] = df['end'].mask((df['id'] == 1) & (df['end'].isna()), df['start'])

内容的提问来源于stack exchange，提问作者jinkins