如何将Pandas DataFrame中Job_Code列空值替换为唯一递增值？

你的代码问题点评 #

• enumerate(df.Job_Code)返回的是**(索引, 列值)**的元组，你判断pd.isnull(e)是在检查元组是否为NaN，这永远不成立，所以替换逻辑根本不会触发。
• 就算拿到了列值，e == "tempkey" + str(c)只是做相等性比较，没有把新值赋值回DataFrame，原数据不会有任何变化。
• c+1没有重新赋值给c，就算进入循环，计数器也不会递增，永远只会生成tempkey1。
• 手动循环遍历DataFrame列是低效操作，违背了Pandas基于向量化运算的设计思想，这就是为什么大家会提醒“不要用iterrows!”。

高效解决方案 #

直接用Pandas的向量化操作定位缺失值，批量生成并替换唯一键：

import pandas as pd
import numpy as np

# 示例DataFrame
df = pd.DataFrame({'Client':['Microsoft', 'Google', 'Apple', 'StackOverflow', 'PostGres'],
                   'Job_Code': ['J001', 'J002', np.NaN, 'J003', np.NaN]})

# 1. 获取Job_Code列的缺失值掩码
mask = df['Job_Code'].isna()
# 2. 计算缺失值数量，生成对应的唯一临时键
num_missing = mask.sum()
temp_keys = [f'tempkey{i+1}' for i in range(num_missing)]
# 3. 给缺失值位置赋值临时键
df.loc[mask, 'Job_Code'] = temp_keys

print(df)

运行后输出的结果完全符合你的期望：

Client  Job_Code
0    Microsoft      J001
1       Google      J002
2         Apple  tempkey1
3  StackOverflow      J003
4      PostGres  tempkey2

补充说明 #

• 这种向量化操作比循环快得多，哪怕数据量远大于265行也能高效处理。
• 如果需要确保临时键和现有Job_Code完全不重复（避免极端情况），可以加一层校验：

existing_keys = set(df['Job_Code'].dropna())
temp_keys = []
c = 1
while len(temp_keys) < num_missing:
    key = f'tempkey{c}'
    if key not in existing_keys:
        temp_keys.append(key)
    c += 1
df.loc[mask, 'Job_Code'] = temp_keys

内容的提问来源于stack exchange，提问作者Nick_Jo