如何在数据集的numpy np.where条件中使用inplace=True参数

你的代码存在核心问题：当fillna使用inplace=True时，这个方法会直接修改原DataFrame的列，并且返回None。把它放在np.where的第二个参数里，会导致符合Partner_working == "Yes"条件的行被赋值为None，完全达不到填充缺失值的目的。

正确用法分两种情况： #

1. 推荐方式：不用inplace，直接用fillna的返回值

fillna默认（不带inplace=True）会返回填充后的新Series，刚好可以作为np.where的参数，逻辑清晰且不会意外修改原数据：

# 先计算中位数，避免重复计算提升效率
median_salary = df['Partner_salary'].median()
df['Partner_salary'] = np.where(
    df['Partner_working'] == "Yes",
    df['Partner_salary'].fillna(median_salary),  # 返回填充后的结果，作为赋值项
    0
)

2. 若坚持用inplace（不推荐）

需要拆分逻辑：先单独填充符合条件的行，再用np.where设置其他行为0。注意这里即使加inplace=True，也需要针对筛选后的行操作，否则会修改整个列的缺失值：

median_salary = df['Partner_salary'].median()
# 仅对符合条件的行填充缺失值，inplace修改原列
df.loc[df['Partner_working'] == "Yes", 'Partner_salary'].fillna(median_salary, inplace=True)
# 再将不符合条件的行设为0
df['Partner_salary'] = np.where(df['Partner_working'] == "Yes", df['Partner_salary'], 0)

注意 #

inplace=True的操作会直接修改原数据，不利于代码的可维护性和调试，除非明确需要，否则优先选择第一种方式。

内容的提问来源于stack exchange，提问作者yashashri jawadekar Harshe