如何用DataFrame对应ColumnA的值替换ColumnB中的nan？

原始DataFrame：

需要将ColumnB中的NaN值替换为对应行ColumnA的值，得到目标DataFrame：

之前尝试用if语句仅替换了第一个值，以下是高效的解决方案：

解决方案 #

方法1：使用fillna()（最简洁推荐） #

pandas的fillna()方法可直接批量填充NaN值，指定用ColumnA的对应值填充ColumnB：

import pandas as pd
import numpy as np

# 构造原始数据
df = pd.DataFrame({
    'ColumnA': [1,2,3,4,5,6,7,8],
    'ColumnB': [np.nan,20,50,np.nan,np.nan,100,1,2]
})

# 执行替换
df['ColumnB'] = df['ColumnB'].fillna(df['ColumnA'])

方法2：使用mask()明确指定替换条件 #

通过mask()标记需要替换的位置（ColumnB为NaN时），替换为ColumnA的值：

df['ColumnB'] = df['ColumnB'].mask(pd.isna(df['ColumnB']), df['ColumnA'])

方法3：使用where()反向逻辑替换 #

当ColumnB是NaN时保留ColumnA的值，否则保留ColumnB原值：

df['ColumnB'] = df['ColumnA'].where(pd.isna(df['ColumnB']), df['ColumnB'])

为什么if语句只替换了第一个值？ #

手动编写的if语句通常是逐行遍历但未正确循环所有行，或者仅处理了第一个匹配的NaN。而上述pandas方法都是向量化操作，会批量处理所有符合条件的行，不会遗漏任何NaN值。

内容的提问来源于stack exchange，提问作者Aragorn64