如何让Pandas按列类型自动填充DataFrame中的NaN值

可以通过映射列数据类型到对应填充值的方式，让Pandas自动识别列类型并完成批量填充，无需手动逐个指定列。以下是两种实用实现方式：

方法一：类型映射字典（高效批量处理） #

先定义数据类型与填充值的对应规则，再生成每列的填充参数，最后调用fillna()完成填充：

示例代码 #

import pandas as pd
import numpy as np

# 构造测试数据
df = pd.DataFrame({
    "Name": ["Alice", np.nan, "Bob", np.nan],
    "Age": [25, np.nan, 30, np.nan],
    "Score": [90.5, np.nan, 85.0, np.nan],
    "Is_Student": [True, np.nan, False, np.nan]
})
# 将Name列转为Pandas专用string类型（比object类型更准确识别字符串列）
df["Name"] = df["Name"].astype("string")

# 定义类型-填充值映射规则（可根据需求扩展）
fill_rules = {
    "string": "",          # 字符串列填充空字符串
    "int64": 0,            # 整数列填充0
    "float64": 0.0,        # 浮点数列填充0.0
    "boolean": False       # 布尔列填充False
}

# 为每列生成对应填充值
fill_values = {col: fill_rules[str(df[col].dtype)] for col in df.columns}

# 执行填充
filled_df = df.fillna(fill_values)

方法二：apply逐列判断（灵活扩展） #

通过apply()遍历每一列，根据列的dtype动态选择填充逻辑，适合需要复杂判断的场景：

示例代码 #

import pandas as pd
import numpy as np

# 构造测试数据（同方法一）
df = pd.DataFrame({
    "Name": ["Alice", np.nan, "Bob", np.nan],
    "Age": [25, np.nan, 30, np.nan],
    "Score": [90.5, np.nan, 85.0, np.nan],
    "Is_Student": [True, np.nan, False, np.nan]
})
df["Name"] = df["Name"].astype("string")

# 定义按类型填充的函数
def fill_col_by_dtype(series):
    dtype_str = str(series.dtype)
    if "string" in dtype_str:
        return series.fillna("")
    elif "int" in dtype_str or "float" in dtype_str:
        return series.fillna(0)
    elif "bool" in dtype_str:
        return series.fillna(False)
    # 其他类型（如datetime）可自行添加规则
    else:
        return series

# 逐列应用填充逻辑
filled_df = df.apply(fill_col_by_dtype, axis=0)

注意事项 #

• 若使用旧版Pandas的object类型存储字符串，建议先转为string专用类型，避免类型识别误差；
• 支持扩展填充规则，比如对datetime64类型填充默认日期（如pd.Timestamp("1900-01-01")）；
• 对于Nullable类型（如带空值的Int64整数类型），需在fill_rules中添加对应的dtype映射（如"Int64": 0）。

内容的提问来源于stack exchange，提问作者user16893175