如何在Pandas中基于其他列值填充DataFrame的空单元格

原代码问题拆解 #

方法1：嵌套循环的错误 #

• 循环逻辑错误：嵌套遍历df1['C']和df1['D']是将C列的每个元素与D列的每个元素配对，而非同一行的对应值，完全偏离需求。
• 条件判断失效：row == ('cat' or 'dog')等价于row == 'cat'，因为or会返回第一个非空字符串，dog的情况永远不会触发；同理('horse' or 'cow' or 'bird')只会匹配horse。
• 赋值操作错误：df1['C'] == 'house'是比较运算符，不是赋值，应该用单等号=。
• 提前终止循环：每个循环内的break会让代码只执行一次就退出，根本没处理所有行。

方法2：loc索引的错误 #

• 逻辑运算符错误：Pandas布尔索引必须用元素级的&而非Python的and，且每个条件需加括号（避免优先级问题）。
• 空值判断不准确：df1['C'] == ' '仅匹配空格，无法识别NaN/None类型的空值，应该用pd.isna(df1['C'])统一判断所有空值类型。

正确实现方案 #

方案1：分情况用loc赋值 #

适合需要明确区分条件的场景：

import pandas as pd

# 先统一处理空值（如果原数据有空字符串，替换为标准NaN）
df1['C'] = df1['C'].replace(' ', pd.NA)

# 情况1：C列为空，D列是cat/dog → 填充house
df1.loc[pd.isna(df1['C']) & df1['D'].isin(['cat', 'dog']), 'C'] = 'house'

# 情况2：C列为空，D列是horse/cow/bird → 填充garden
df1.loc[pd.isna(df1['C']) & df1['D'].isin(['horse', 'cow', 'bird']), 'C'] = 'garden'

方案2：用映射字典+fillna（更简洁） #

适合映射关系明确的场景：

import pandas as pd

# 创建D列到C列填充值的映射字典
fill_map = {
    'cat': 'house',
    'dog': 'house',
    'horse': 'garden',
    'cow': 'garden',
    'bird': 'garden'
}

# 直接用D列的映射值填充C列空值
df1['C'] = df1['C'].fillna(df1['D'].map(fill_map))

内容的提问来源于stack exchange，提问作者Karolina