Pandas中fillna用Series填充DataFrame缺失值的行为疑问解析

我尝试用DataFrame的第1列填充第0列和第2列的缺失值，但执行代码后结果不符合预期，下面具体说明：

原始DataFrame #

0              1        2
0   NaN         0.076733    0.378676
1   NaN         0.223911    NaN
2   NaN         0.173071    0.534397
3   NaN         0.991686    0.381196
4   0.088309    0.237683    0.003508
5   0.751860    0.494204    0.757413
6   0.630420    0.192947    0.538492

执行代码 #

df.fillna(df[1])

实际输出 #

0           1           2
0   0.076733    0.076733    0.378676
1   0.076733    0.223911    0.173071
2   0.076733    0.173071    0.534397
3   0.076733    0.991686    0.381196
4   0.088309    0.237683    0.003508
5   0.751860    0.494204    0.757413
6   0.630420    0.192947    0.538492

预期输出 #

0           1           2
0   0.076733    0.076733    0.378676
1   0.223911    0.223911    0.223911
2   0.173071    0.173071    0.534397
3   0.991686    0.991686    0.381196
4   0.088309    0.237683    0.003508
5   0.751860    0.494204    0.757413
6   0.630420    0.192947    0.538492

原因解析 #

df.fillna()默认按**列方向（axis=0）**处理填充值：

• 当传入Series作为value参数时，pandas会将Series的索引与DataFrame的列名匹配，用对应列名的值填充该列的缺失值。
• 你的df[1]是行索引为0-6的Series，而DataFrame列名是0、1、2，两者索引完全不匹配，导致pandas无法正确按列映射，最终出现不符合预期的填充结果。

你想要的是按行填充——用每行的第1列值填充该行的缺失值，这需要调整对齐方向。

正确实现方式 #

方式1：字典映射（你发现的写法） #

df.fillna({0: df[1], 2: df[1]})

明确指定每一列的填充值为第1列的Series，pandas会按行索引对齐填充。

方式2：指定axis=1（更简洁） #

df.fillna(df[1], axis=1)

axis=1设置按行方向对齐，pandas会用每行的第1列值填充该行的所有缺失值，直接得到预期结果。

内容的提问来源于stack exchange，提问作者Rajib Lochan Sarkar