如何将DataFrame指定列中的NaN值替换为列内非空有效值？

现有如下DataFrame：

col_1   col_2   col_3
0   a       a_1     XYZ
1   b       b_1     XYZ
2   c       c_1     XYZ
3   d       d_1     NaN
4   e       e_1     NaN
5   f       f_1     NaN

其中col_3仅包含NaN和XYZ两种值，需要将该列中的NaN替换为非空值XYZ，预期结果如下：

col_1   col_2   col_3
0   a       a_1     XYZ
1   b       b_1     XYZ
2   c       c_1     XYZ
3   d       d_1     XYZ
4   e       e_1     XYZ
5   f       f_1     XYZ

尝试过replace、loc、fillna等方法但未成功，求解决方案。

以下几种方法均可实现需求，可根据实际情况选择：

方法1：直接用fillna填充固定值 #

既然明确非空值为XYZ，直接调用fillna填充即可：

df['col_3'] = df['col_3'].fillna('XYZ')

若之前用fillna失败，大概率是未将结果重新赋值给原列，或者列中的“NaN”是字符串类型而非标准pandas缺失值。可以先检查值类型：

print(df['col_3'].unique())

如果输出包含'NaN'字符串，需先转成标准缺失值再填充：

import numpy as np
df['col_3'] = df['col_3'].replace('NaN', np.nan).fillna('XYZ')

方法2：用replace精准替换缺失值 #

直接指定替换规则：

import numpy as np
df['col_3'] = df['col_3'].replace(np.nan, 'XYZ')

如果是字符串'NaN'，将np.nan替换为'NaN'即可。

方法3：loc定位缺失值赋值 #

通过布尔索引筛选出col_3的缺失行，直接赋值：

df.loc[df['col_3'].isna(), 'col_3'] = 'XYZ'

若为字符串'NaN'，条件改为df['col_3'] == 'NaN'。

方法4：提取列内非空值通用填充 #

如果不确定非空值具体内容，可先提取列内非空唯一值再填充，适配值变动场景：

non_null_val = df['col_3'].dropna().unique()[0]
df['col_3'] = df['col_3'].fillna(non_null_val)

内容的提问来源于stack exchange，提问作者gfernandes