如何在DataFrame中根据另一列更新列值（空值时保留原值）

我有如下DataFrame：

Id    date          sales  sales_new
291   2022-03-01     10       15 
292   2022-04-01     12       16
293   2022-05-01      9        0 
294   2022-06-01     13       20
295   2022-07-01     10       nan
296   2022-08-01     12       nan

需求是：当sales_new列存在有效值（包括0）时，用其替换sales列的值；当sales_new列为nan时，保留sales列的原值。期望得到的结果如下：

Id    date          sales  
291   2022-03-01     15       
292   2022-04-01     16      
293   2022-05-01      0       
294   2022-06-01     20      
295   2022-07-01     10       
296   2022-08-01     12

以下是几种简洁的实现方式：

方法1：使用combine_first #

该方法会优先取调用者（sales_new）的有效值，当调用者值为NaN时，用传入的sales值填充，正好匹配需求：

df['sales'] = df['sales_new'].combine_first(df['sales'])
# 按需删除sales_new列
df = df.drop('sales_new', axis=1)

方法2：使用fillna #

直接用sales填充sales_new中的NaN值，再赋值回sales列：

df['sales'] = df['sales_new'].fillna(df['sales'])
df = df.drop('sales_new', axis=1)

方法3：使用numpy.where #

通过条件判断显式控制赋值逻辑，可读性强：

import numpy as np
df['sales'] = np.where(df['sales_new'].notna(), df['sales_new'], df['sales'])
df = df.drop('sales_new', axis=1)

以上三种方法都能正确处理sales_new为0的情况（0属于有效值，不会被判定为NaN），最终得到目标结果。

内容的提问来源于stack exchange，提问作者Julio Moyano Basso