Pandas中按需创建colour列并替换NaN值的实现方法

可以通过两步处理精准实现需求：先确保colour列存在（不存在则创建并初始化为NaN），再填充所有NaN值为随机颜色代码，完全不会覆盖已有非空值。

完整代码示例 #

import pandas as pd
import numpy as np
import random

def generate_random_color():
    # 生成随机RGB十六进制颜色代码
    r = random.randint(0, 255)
    g = random.randint(0, 255)
    b = random.randint(0, 255)
    return f'#{r:02X}{g:02X}{b:02X}'

# 第一步：确保colour列存在，不存在则创建并初始化为NaN
lines['colour'] = lines.get('colour', np.nan)

# 第二步：填充所有NaN值为随机颜色
lines['colour'] = lines['colour'].apply(lambda x: generate_random_color() if pd.isna(x) else x)

关键逻辑说明 #

1. 处理列的存在性：
   使用lines.get('colour', np.nan)替代直接赋值lines['colour'] = np.nan。get方法会：

   • 如果colour列已存在，直接返回原列数据（完全保留已有非空值）
   • 如果colour列不存在，自动创建新列并将所有值初始化为NaN

2. 填充NaN值：
   通过apply遍历每一行的colour值：

   • 若值为NaN，调用generate_random_color()生成随机颜色
   • 若值非空，直接保留原有值

高效替代写法（大数据量场景） #

如果处理的数据集行数较多，可批量生成颜色列表结合np.where提升效率：

lines['colour'] = lines.get('colour', np.nan)
# 生成与数据行数匹配的随机颜色列表
color_list = [generate_random_color() for _ in range(len(lines))]
# 批量替换NaN值
lines['colour'] = np.where(lines['colour'].isna(), color_list, lines['colour'])

内容的提问来源于stack exchange，提问作者MTRNord