如何用同行数据计算填充Pandas DataFrame（CSV导入）列？

先解决你当前的NaN填充错误问题 #

你的代码存在几个逻辑错误：

• df.columns == ['μ(price)']是判断整个DataFrame的列是否仅包含μ(price)，这不是针对该列操作的正确方式
• iterrows()返回的是(索引, 行数据)的元组，你没正确处理行对象，而且循环操作Pandas效率极低
• fillna()默认返回新的DataFrame，不会修改原数据，也没有针对指定列操作

正确填充μ(price)列NaN值为9的方法，直接用矢量化操作即可，无需循环：

# 方法1：赋值回原列（推荐）
df['μ(price)'] = df['μ(price)'].fillna(9)

# 方法2：直接修改原数据（不推荐频繁使用，易引发数据误改）
df['μ(price)'].fillna(9, inplace=True)

实现Excel式同行计算填充列 #

Pandas的核心优势是矢量化操作，完全可以替代Excel的同行公式计算，无需逐行循环：

基础公式计算

比如要新增一列总价，用同行的单价乘以数量：

df['总价'] = df['单价'] * df['数量']

这和Excel中=A2*B2下拉填充的逻辑一致，Pandas会自动对每行执行计算。

带条件的复杂计算

如果需要根据同行其他列的值做判断计算，优先用numpy.where（效率更高），或者apply处理复杂逻辑：

• 用np.where实现简单条件判断：

import numpy as np
# 当数量>10时打8折，否则打9折
df['折扣价'] = np.where(df['数量'] > 10, df['单价'] * 0.8, df['单价'] * 0.9)

• 用apply处理多分支复杂逻辑：

# 自定义每行的计算逻辑
def calculate_discount(row):
    if row['数量'] > 20:
        return row['单价'] * 0.7
    elif row['数量'] > 10:
        return row['单价'] * 0.8
    else:
        return row['单价'] * 0.9

df['折扣价'] = df.apply(calculate_discount, axis=1)

关键提示 #

• 永远优先用矢量化操作，避免iterrows()循环，后者速度慢且容易出错
• 所有列计算都可以通过直接对列进行算术/逻辑操作实现，和Excel公式逻辑一致

内容的提问来源于stack exchange，提问作者Martin Matejička