如何在Pandas中精准修改指定行列的NaN值（线性回归填充）

你之前的写法无效，核心原因是链式索引（df.loc[index_1]['feature_1']）返回的是原数据的副本，赋值操作只会修改副本，不会影响原DataFrame。下面是两种直接修改原数据的可行方法：

方法1：直接使用.loc的行列定位赋值 #

这是最直接的方式，通过df.loc[行索引, 列名]直接定位到原DataFrame的目标位置，赋值后会直接修改原数据：

单个缺失值的情况 #

如果只有一个索引index_1和对应的预测值predicted_feature_1：

df.loc[index_1, 'feature_1'] = predicted_feature_1

多个缺失值的情况 #

如果是一组索引数组nan_indices和对应的预测值数组nan_values_predicted（两者长度一致，索引和预测值一一对应）：

df.loc[nan_indices, 'feature_1'] = nan_values_predicted

方法2：使用Series.update()方法 #

先创建一个以缺失值索引为索引、预测值为值的Series，再用update方法替换原列中的对应值：

import pandas as pd

# 创建对应索引的Series
pred_series = pd.Series(nan_values_predicted, index=nan_indices)
# 更新原DataFrame的feature_1列
df['feature_1'].update(pred_series)

这个方法的好处是只会替换feature_1列中索引匹配的位置，不会影响其他非缺失值。

内容的提问来源于stack exchange，提问作者Luka Savic