如何基于同类前置有效值填充缺失值？现有代码误全量替换NaN求助

原始数据 #

city        state    country Continent
Saint-Denis NaN      France  Europe
Saint-Denis NaN      NaN     Europe
Saint-Denis NaN      NaN     Europe
Kinshasa    NaN      NaN     Africa
Kinshasa    NaN      NaN     Africa

问题代码的错误原因 #

你写的循环代码里，df.country = 'France'是给整个列赋值，不是只修改当前符合条件的行。只要循环里触发一次if判断，所有行的country都会被改成France，自然会把其他城市的缺失值也覆盖了。

精准修复方案 #

1. 针对单个城市的精准修改

用布尔索引定位目标行，只修改这些行的country：

import pandas as pd

# 定位城市为Saint-Denis且country为空的行，赋值为France
df.loc[(df['city'] == 'Saint-Denis') & (df['country'].isna()), 'country'] = 'France'

2. 多城市批量填充（更通用）

如果有多个城市需要匹配国家，先做映射字典，再批量填充：

# 定义城市与对应国家的映射关系
city_country_map = {
    'Saint-Denis': 'France',
    'Kinshasa': 'Democratic Republic of the Congo'
}

# 用映射填充缺失的country值，仅对有映射的城市生效
df['country'] = df['country'].fillna(df['city'].map(city_country_map))

内容的提问来源于stack exchange，提问作者Sagar