Pandas中含NaN的索引匹配取值：如何保留原索引并避免报错？

现有两个DataFrame df1 和 df2，数据如下：

# df1
index  a
0      10    
1      2    
2      3
3      1
4      7
5      6

# df2
index  a
0      1    
1      2
2      4
3      3
4      20
5      5

通过滚动窗口（lookback=3）找出df1每个窗口内最大值对应的索引，代码如下：

lookback = 3
tdf = pd.DataFrame()
tdf['a'] = df1.rolling(lookback).apply(lambda x: x.idxmax())

得到结果tdf：

id    a
0     nan    
1     nan
2     0
3     2
4     4
5     4

现在需要将tdf['a']中每个索引对应的df2的a列值存入tdf['b']，期望结果：

id    b
0     nan    
1     nan
2     1
3     4
4     20
5     20

尝试用tdf['b'] = df2.loc[tdf['a']]实现时，因tdf['a']包含NaN抛出异常；若先dropna()处理则会导致索引错乱，无法保留原位置的NaN。

方法1：使用Series.map() #

map()方法会自动忽略NaN值，遇到NaN时直接返回NaN，无需额外处理：

tdf['b'] = tdf['a'].map(df2['a'])

方法2：通过掩码精准赋值 #

先筛选出tdf['a']中非NaN的行，仅对这些行进行赋值操作，避免NaN传递给df2.loc：

# 生成非NaN的掩码
mask = tdf['a'].notna()
# 对掩码覆盖的行赋值，用.values避免索引对齐问题
tdf.loc[mask, 'b'] = df2.loc[tdf.loc[mask, 'a'], 'a'].values

方法3：临时填充NaN后还原 #

先将NaN替换为一个不存在于df2索引中的值，赋值后再将对应位置还原为NaN：

# 临时用-1填充NaN（确保-1不是df2的索引）
temp = tdf['a'].fillna(-1).astype(int)
tdf['b'] = df2.loc[temp, 'a']
# 将临时填充的-1对应的结果还原为NaN
tdf['b'] = tdf['b'].mask(temp == -1)

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