使用循环填充DataFrame零值时出现NaN问题求助

我有一个包含零值的DataFrame df1，还有一个由df1按time字段分组得到的DataFrame df2。尝试用df2中的值填充df1里i1列的零值时，结果出现了NaN，使用的代码如下：

for x in df2['time']:
    df1.loc[(df1['i1'] == 0) & (df1['time']== x),'i1'] = df2[df2['time']==x]['i1']

这段代码的核心问题是：df2[df2['time']==x]['i1']返回的是带索引的Series对象，而非单个标量值。直接将其赋值给df1的对应行时，由于索引不匹配，会导致赋值失败，最终出现NaN。

方法1：修复循环逻辑 #

将df2的取值改为提取标量值，比如用.iloc[0]或.values[0]获取对应分组的i1值：

for x in df2['time']:
    # 提取对应time分组的i1标量值
    fill_val = df2[df2['time'] == x]['i1'].iloc[0]
    df1.loc[(df1['i1'] == 0) & (df1['time'] == x), 'i1'] = fill_val

方法2：使用pandas原生批量映射（推荐） #

避免低效循环，利用pandas的批量处理能力，先将df2转为time到i1的字典映射，再填充零值：

# 构建time到i1的映射字典
time_i1_map = df2.set_index('time')['i1'].to_dict()
# 替换i1列的零值为对应time的映射值
df1['i1'] = df1['i1'].replace(0, df1['time'].map(time_i1_map))

也可以用where方法实现，逻辑更直观：

df1['i1'] = df1['i1'].where(df1['i1'] != 0, df1['time'].map(time_i1_map))

内容的提问来源于stack exchange，提问作者user21193976