过滤DataFrame后将列值复制到另一列：求更简洁实现方案

通用方案：定义过滤掩码（Mask）复用 #

这是适配所有过滤场景的最优方案，彻底避免重复编写过滤逻辑：

import pandas as pd

df = pd.DataFrame({'Name': ['A', None, 'C'], 'Correction': [None, 'B', 'Q']})

# 一次性定义过滤条件，全程复用
mask = df['Name'].isna() & df['Correction'].notna()

# 仅对符合条件的行执行赋值操作
df.loc[mask, 'Name'] = df.loc[mask, 'Correction']

优势： #

• 过滤逻辑仅编写一次，大幅提升代码可读性与可维护性
• 适配所有场景：无论过滤条件是NaN判断、数值匹配还是字符串规则，只需修改mask定义即可
• 减少重复索引DataFrame的操作，执行效率更高

特定场景简化方案（仅针对NaN填充） #

如果你的需求就是用Correction列非NaN的值填充Name列的NaN，可以用更简洁的专用方法实现：

方法1：使用combine_first #

df['Name'] = df['Name'].combine_first(df['Correction'])

方法2：简化fillna调用 #

df['Name'] = df['Name'].fillna(df['Correction'])

这两种方法的效果和你最初的fillna实现完全一致，但代码更精炼，底层已做性能优化。

内容的提问来源于stack exchange，提问作者Henrik