如何用自定义函数替换Pandas中的ffill()方法填充NaN值？

我的示例DataFrame如下：

x   y
0   0   1.1
1   1   3.9
2   2   11.2
3   3   21.5
4   4   34.8
5   5   51.0
6   6   70.2
7   7   NaN
8   8   NaN
9   9   NaN

如果只是向前填充NaN值，执行df['y'].ffill(inplace=True)即可，但我需要将y列的NaN值替换为公式2 * x²的计算结果，期望输出如下：

x   y
0   0   1.1
1   1   3.9
2   2   11.2
3   3   21.5
4   4   34.8
5   5   51.0
6   6   70.2
7   7   98
8   8   128
9   9   162 

这里提供几种高效的实现方式：

方法1：利用fillna直接填充计算值 #

fillna可以接收Series作为填充值，自动匹配索引替换NaN：

df['y'] = df['y'].fillna(2 * df['x'] ** 2)

这种方法简洁高效，优先推荐。

方法2：使用np.where条件赋值 #

通过判断y是否为缺失值，选择保留原值或计算新值：

import numpy as np

df['y'] = np.where(df['y'].isna(), 2 * df['x'] ** 2, df['y'])

逻辑清晰，适合需要扩展多条件判断的场景。

方法3：apply逐行处理（适合复杂逻辑） #

如果需要更复杂的自定义规则，可以用apply遍历每行：

import pandas as pd

def fill_missing_y(row):
    if pd.isna(row['y']):
        return 2 * row['x'] ** 2
    return row['y']

df['y'] = df.apply(fill_missing_y, axis=1)

注意：该方法在数据量较大时效率低于前两种，仅在逻辑复杂时使用。

内容的提问来源于stack exchange，提问作者serdar_bay