如何用错位列数据填充Pandas DataFrame中的空值？

这个需求完全可以实现，下面是具体步骤和代码示例：

步骤1：预处理空值 #

首先将数据中的空格（或空字符串）转换为pandas可识别的缺失值NaN，方便后续填充操作：

import pandas as pd
import numpy as np

# 构造实际数据集
data = {
    'Status': ['Active', 'Active', 'Active', 'Active'],
    'Name': ['Tom', '', 'Tom', ''],
    'Email': ['t@gmail.com', '', 't@gmail.com', ''],
    'Name2': ['', 'Tim', '', 'Tim'],
    'Email2': ['', 't@gmail.com', '', 't@gmail.com']
}

df = pd.DataFrame(data)

# 将空格/空字符串替换为NaN
df = df.replace(r'^\s*$', np.nan, regex=True)

步骤2：填充错位数据 #

使用combine_first方法，用Name2列的值填充Name列的缺失值，用Email2列的值填充Email列的缺失值：

df['Name'] = df['Name'].combine_first(df['Name2'])
df['Email'] = df['Email'].combine_first(df['Email2'])

步骤3：清理冗余列（可选） #

如果不需要保留Name2和Email2列，可以直接删除：

df = df.drop(['Name2', 'Email2'], axis=1)

最终结果 #

处理后的DataFrame如下：

Status  Name        Email
0  Active   Tom  t@gmail.com
1  Active   Tim  t@gmail.com
2  Active   Tom  t@gmail.com
3  Active   Tim  t@gmail.com

（注：你的预期结果中第四行写的是Tom，但根据实际数据集，第四行的Name2是Tim，所以正确填充后应该是Tim。如果是笔误，可以根据实际情况调整逻辑。）

内容的提问来源于stack exchange，提问作者Leonardo Urbiola