Pandas合并含缺失行的数据：如何为缺失值填充默认值？

要保留SERVICES中的所有服务（包括TIMES里没有对应数据的条目）并填充默认时间，你需要两步操作：左连接+缺失值填充：

1. 使用how='left'执行左连接，确保SERVICES的所有行都被保留，即使TIMES中没有匹配的Ref_Id
2. 用fillna()把TIMES列的缺失值（NaN）替换成默认值15

完整代码示例 #

import pandas as pd

# 构造示例数据
times = pd.DataFrame({
    'Ref_Id': [1, 2, 3],
    'TIMES': [30, 15, 10]
})

services = pd.DataFrame({
    'Ref_ID': [1, 2, 3, 4],
    'Name': ['Mowing', 'Raking', 'Blowing', 'Trimming']
})

# 左连接，保留services的所有行
services_merged = pd.merge(services, times, left_on='Ref_ID', right_on='Ref_Id', how='left')

# 填充TIMES列的缺失值为15
services_merged['TIMES'] = services_merged['TIMES'].fillna(15)

# 可选：删除重复的Ref_Id列
services_merged = services_merged.drop('Ref_Id', axis=1)

print(services_merged)

输出结果 #

Ref_ID       Name  TIMES
0       1     Mowing   30.0
1       2     Raking   15.0
2       3     Blowing   10.0
3       4   Trimming   15.0

为什么之前的尝试没解决？ #

• inner连接只保留两边都匹配的行，所以Trimming会被过滤掉
• outer连接会保留两边所有行，但缺失的TIMES仍会显示NaN，需要手动填充
• left连接本身是正确选择，但你可能没做后续的缺失值填充步骤，所以看不到默认值

内容的提问来源于stack exchange，提问作者robster