如何用random.choice均匀填充DataFrame指定条件列的空值？

问题分析 #

• 第一种方法中random.choice(top5C)仅执行一次，生成单个固定值，导致所有空值被同一值填充，无法实现随机分配。
• 第二种方法使用map仅返回处理后的序列，但未将结果赋值回原DataFrame，因此原数据无变化。

可行解决办法 #

方法1：apply结合赋值修改原数据

直接对目标列执行apply处理，并将结果赋值回原DataFrame的对应位置：

import random
import pandas as pd

top5 = ['Pasta', 'Waffles', 'Mocktails', 'Coffee', 'BrownieChocolate', 'Burgers']

# 针对rest_type为'Quick Bites'的行，处理dish_liked字段的空值
new_df.loc[new_df['rest_type'] == 'Quick Bites', 'dish_liked'] = new_df.loc[new_df['rest_type'] == 'Quick Bites', 'dish_liked'].apply(
    lambda x: random.choice(top5) if pd.isnull(x) else x
)

核心是将apply的处理结果赋值回原DataFrame的对应列，才能真正修改原数据。

方法2：生成随机列表批量填充

先统计目标区域的空值数量，生成对应长度的随机值列表后批量填充，适合大数据量场景：

import random
import pandas as pd

top5C = ['Pasta', 'Waffles', 'Mocktails', 'Coffee', 'BrownieChocolate', 'Burgers']

# 筛选出rest_type为Cafe且dish_liked为空的行
mask = (new_df['rest_type'] == 'Cafe') & new_df['dish_liked'].isnull()
# 生成与空值数量匹配的随机值列表
random_values = [random.choice(top5C) for _ in range(mask.sum())]
# 批量填充空值
new_df.loc[mask, 'dish_liked'] = random_values

这种方式避免逐行处理的开销，效率更高。

补充说明 #

• 两种方法均能实现每个空值随机选取列表中的值，而非单一值填充。
• 若需固定随机结果，可在代码开头添加random.seed(123)（数值自定义）来锁定随机种子。

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