如何用Python Pandas在非NaN时用另一列替换DataFrame列值？

场景与需求 #

给定如下DataFrame：

import pandas as pd
data1 = {
     "date": [1, 2, 3],
     "height": [420.3242, 380.1, 390],
     "height_new": [300, 380.1, "nan"],
     "duration": [50, 40, 45],
     "feeling" : ["great","good","great"]
    }
df = pd.DataFrame(data1)

需要实现：用height_new列的值覆盖更新height列，但当height_new的值为字符串"nan"时，保留height列的原始值。

你当前的实现代码较为繁琐：

for x, y in zip(df['height'], df['height_new']) :
  if y != 'nan':
    df['height'].replace(x, y, inplace= True)
    x = y

Pythonic优化方案 #

下面提供几种更简洁高效的实现方式：

方法1：使用loc直接定位更新 #

利用布尔索引筛选出height_new不等于"nan"的行，直接按行精准赋值更新：

df.loc[df['height_new'] != 'nan', 'height'] = df.loc[df['height_new'] != 'nan', 'height_new']

这种方式采用Pandas向量化操作，避免循环，效率更高，且不会出现原始代码中重复值误更新的问题。

方法2：转换字符串"nan"为NaN后用combine_first #

如果后续需要处理缺失值，可先将字符串"nan"转为Pandas标准NaN，再用combine_first方法自动用非缺失值填充：

# 把字符串"nan"转为Pandas NaN
df['height_new'] = pd.to_numeric(df['height_new'], errors='coerce')
# 用height_new的非NaN值更新height，保留原始值在缺失位置
df['height'] = df['height_new'].combine_first(df['height'])

这种方式逻辑清晰，适合后续有缺失值处理需求的场景。

方法3：使用mask方法实现条件替换 #

mask方法会将满足布尔条件的位置替换为指定值，刚好匹配我们的需求：

df['height'] = df['height'].mask(df['height_new'] != 'nan', df['height_new'])

逻辑说明：当height_new不等于"nan"时，将height对应位置的值替换为height_new的值；不满足条件时保留height原始值。

注意事项 #

你的原始循环代码存在风险：如果height列存在重复值，replace会把所有匹配的数值全部替换，可能导致非目标行被误更新。上述优化方案均为按行精准操作，不会出现该问题。

内容的提问来源于stack exchange，提问作者Bojan Milinic