如何在Pandas DataFrame中为Age<18的行填充Marital Status列NA值为Single？

先说说你原来代码的问题：

• 遍历df['Age']的每个值，但没关联对应的行索引，没法精准定位该行的Marital Status列。
• df['Marital Status'].fillna('Single')默认返回新的Series，不会修改原DataFrame；而且这是对整个列填充，不是只针对Age<18的行。

正确做法是用Pandas的矢量化操作，精准定位符合条件的行再赋值：

最优解决方案 #

直接用loc定位满足两个条件的行（Age<18且Marital Status为缺失值），然后赋值为Single：

import pandas as pd
import numpy as np

# 示例DataFrame（替换成你的数据即可）
df = pd.DataFrame({
    'Age': [15, 22, 17, 30, 16],
    'Marital Status': [np.nan, 'Married', np.nan, 'Divorced', np.nan]
})

# 核心代码
df.loc[(df['Age'] < 18) & (df['Marital Status'].isna()), 'Marital Status'] = 'Single'

执行后，所有Age<18且Marital Status为NA的行都会被填充为Single，其他行不受影响。

补充：用fillna实现的方式 #

也可以结合apply生成填充规则后传给fillna，不过效率不如第一种方法：

df['Marital Status'] = df['Marital Status'].fillna(
    df['Age'].apply(lambda x: 'Single' if x < 18 else np.nan)
)

注意：Pandas里尽量避免用for循环遍历行，矢量化操作不仅代码简洁，运行效率也远高于循环。

内容的提问来源于stack exchange，提问作者Hford