如何遍历pandas DataFrame 基于另一表匹配值填充缺失值

需要基于Route字段的匹配关系，用全量有效DataFrame df 中的Fares值，填充子集DataFrame df1 中Fares列的NaN缺失值，两个表结构如下：
全量表df：

待填充表df1：

• 循环逻辑无效：for i in df_1 直接遍历DataFrame对象时，只会返回列名，无法实现逐行匹配的效果
• 列名引用错误：代码中df[Fare]未给列名加引号，pandas会将Fare识别为未定义变量抛出报错，且实际列名为Fares，和代码中写的Fare不匹配
• 映射逻辑完全偏离需求：map({'Nan': ''})的作用是将值等于字符串'Nan'的内容替换为空字符串，既没有匹配pandas真实的空值类型np.nan，也没有关联Route字段做跨表值匹配，完全无法实现填充目标
• 操作对象错误：需求是填充df1中的Fares空值，原代码反而在修改df的列，操作方向完全错误

不需要写显式for循环，pandas内置的映射、填充函数可以直接实现需求，执行效率更高。

方法1：映射字典填充（推荐） #

先提取df中Route和Fares的对应关系为字典，再基于Route列做映射，用映射结果填充空值即可：

# 构造Route到Fares值的映射字典
fare_map = df.set_index('Route')['Fares'].to_dict()
# 匹配映射值填充空值
df1['Fares'] = df1['Fares'].fillna(df1['Route'].map(fare_map))

由于df1是df的子集，所有Route值都能在df中找到对应Fares值，执行后df1的Fares列空值会全部填充完成。

方法2：表合并回填 #

如果更习惯用表关联的逻辑，也可以通过左连接把df的Fares值关联到df1后回填，效果完全一致：

# 关联匹配到参考Fares值
df1 = df1.merge(
    df[['Route', 'Fares']], 
    on='Route', 
    how='left', 
    suffixes=('', '_ref')
)
# 用参考值填充空值后删除临时列
df1['Fares'] = df1['Fares'].fillna(df1['Fares_ref'])
df1 = df1.drop(columns='Fares_ref')

内容的提问来源于stack exchange，提问作者notadoctor