基于另一列条件替换Pandas列值的实现方法

问题场景 #

我们有如下初始DataFrame，需要实现仅当Column B的值不为NaN时，将Column A替换为Column B的对应值，之后按Column A分组聚合Column C的和。

初始DataFrame #

import pandas as pd
import numpy as np

df = pd.DataFrame({'Column A' : ['red','green','yellow', 'orange', 'red', 'blue'],
                   'Column B' : [np.nan, 'blue', 'purple', np.nan, np.nan, np.nan],
                   'Column C' : [1, 2, 3, 2, 3, 7]})

期望处理后结果 #

最优解决方案 #

直接使用pandas的矢量化操作fillna()，一行代码完成需求：

df['Column A'] = df['Column B'].fillna(df['Column A'])

原理说明

fillna()会遍历Column B的每一个值：

• 当值不为NaN时，直接保留该值作为Column A的新值
• 当值为NaN时，用Column A的原始值填充，完全匹配需求

这种方法无需硬编码索引，能自适应数据的新增、删除或索引变化，而且是矢量化操作，处理大数据集时效率远高于逐行处理的apply()。

备选方案（逐行处理，不推荐） #

如果一定要用apply()实现，也可以写，但效率较低：

df['Column A'] = df.apply(lambda row: row['Column B'] if pd.notna(row['Column B']) else row['Column A'], axis=1)

验证聚合结果 #

处理完成后执行分组求和：

agg_result = df[['Column A', 'Column C']].groupby('Column A').sum()
print(agg_result)

输出结果：

Column C
Column A           
blue              9
orange            2
purple            3
red               4

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