如何用对应列表值填充DataFrame各列的NaN值？

问题分析 #

你当前的代码存在两个核心问题：

1. 第一个循环逻辑错误：嵌套列循环会让每一列被所有填充值重复覆盖，无法实现「对应列用对应位置值填充」的需求；
2. SettingWithCopyWarning警告：说明ts_wet是从其他DataFrame切片得到的副本，而非原数据的引用，pandas无法确定你是否要修改原数据，因此抛出警告。

解决方案 #

步骤1：消除SettingWithCopyWarning #

先将ts_wet转换为独立的DataFrame副本，避免修改切片时的警告：

ts_wet = ts_wet.copy()

步骤2：按列位置对应填充NaN #

提供两种可靠实现方式：

方式一：按列索引循环填充

直接遍历列的索引位置，将列表中对应位置的值填充到对应列的NaN：

# 遍历每个列的索引
for col_idx in range(len(ts_wet.columns)):
    # 获取当前列名和对应的填充值
    current_col = ts_wet.columns[col_idx]
    fill_val = averages_wet[col_idx]
    # 填充NaN（不用inplace，直接赋值更安全）
    ts_wet[current_col] = ts_wet[current_col].fillna(fill_val)

方式二：用字典映射批量填充（更简洁）

通过zip将列名和填充值配对成字典，传给fillna的value参数实现批量填充：

# 创建列名与填充值的映射字典
fill_mapping = dict(zip(ts_wet.columns, averages_wet))
# 批量填充NaN
ts_wet = ts_wet.fillna(value=fill_mapping)

为什么你的原代码失败 #

• 第一个循环中，你错误地使用了未定义的cols变量（应为col），且嵌套的列循环会导致每一列被所有填充值重复处理，完全偏离了「对应列对应值」的逻辑；
• 直接调用ts_wet.CalamarQ.fillna(..., inplace=True)时，因为ts_wet是切片副本，pandas无法确认修改操作的对象，因此抛出警告，用copy()创建独立副本即可解决。

内容的提问来源于stack exchange，提问作者Amy Zammit