如何基于分类列筛选后填充指定类别行的数值列NA值且不改变原DataFrame形状

示例数据集构造 #

先构造题目中的示例DataFrame：

import pandas as pd
import numpy as np

df = pd.DataFrame({
    'Cat_col': ['SS', 'PP', 'CC', 'XX', 'SS', 'XX', 'CC', 'BB'],
    'num_col1': [22, np.nan, 128, np.nan, 67, np.nan, 47, np.nan],
    'num_col2': [54, 89, 34, 56, 56, 90, 10, 29]
})

处理逻辑与代码 #

要实现仅对Cat_col为PP和XX的行，用num_col2填充num_col1的缺失值，且不修改原DataFrame，可按以下步骤操作：

1. 复制原DataFrame，避免修改原始数据
2. 通过条件筛选定位目标行，完成填充

代码如下：

# 复制原DataFrame
df_filled = df.copy()

# 定位符合条件的行并填充
df_filled.loc[
    (df_filled['Cat_col'].isin(['PP', 'XX'])) & (df_filled['num_col1'].isna()),
    'num_col1'
] = df_filled['num_col2']

处理后结果 #

执行上述代码后，df_filled的内容为：

可以看到：

• 仅PP和XX类别的num_col1缺失值被填充，其他类别（如BB）的缺失值保持不变
• 原DataFramedf的结构和数据完全未受影响

内容的提问来源于stack exchange，提问作者mr17.5stuntman