pandas函数内调用fillna()报Timestamp无对应属性错误

• 方法调用对象错误：使用apply(axis=1)逐行处理时，row['year_of_release']是单元格级别的单个标量值，不是Series或DataFrame结构，本身不存在fillna()方法。报错里提到的Timestamp就是这个单元格非空值的实际类型，只有整列/全表这类批量结构才支持fillna()操作。
• 逻辑冗余无效：函数里写的for i in row[['name','year_of_release']]循环只会拿到两个字段的列名，完全没有遍历处理的作用；就算fillna()能正常执行，也没有接收填充后的返回值，逻辑不会生效。
• 类型残留问题：year_of_release字段之前存储过时间戳类型，部分非空值还保留Timestamp格式，没有完成全量int类型转换。

前置步骤：清除类型残留 #

先把字段里残留的Timestamp值统一转为整数年份，设置为支持空值的Int64类型，避免类型不匹配问题：

import pandas as pd
# 统一转换字段类型为可空整数年份
gaming['year_of_release'] = pd.to_datetime(gaming['year_of_release']).dt.year.astype('Int64')

注意：pandas的Int64是支持空值存储的整数类型，和原生int64不同，填充空值后不会把整列转为浮点类型，符合按int类型处理的要求。

方案1：全量缺失值直接填充（性能最优） #

不需要写自定义函数+apply循环，直接调用Series级别的fillna()即可完成全列缺失值替换，结果保持int类型：

# 把所有缺失的年份替换为你需要的默认int值，示例用0占位，可自行修改
gaming['year_of_release'] = gaming['year_of_release'].fillna(0)

方案2：指定条目单独填充 #

如果需要给特定游戏（比如LEGO Harry Potter: Years 5-7）的缺失年份单独赋值，其他行保留原值或走默认填充，直接用布尔索引做条件赋值即可，性能远高于apply循环：

# 定位目标行：游戏名匹配且年份为空
target_row_mask = (gaming['name'] == "LEGO Harry Potter: Years 5-7") & (gaming['year_of_release'].isna())
# 给目标行的缺失年份赋值2012
gaming.loc[target_row_mask, 'year_of_release'] = 2012

# 剩余其他行的缺失值如果需要统一填充，再执行全列fillna即可
# gaming['year_of_release'] = gaming['year_of_release'].fillna(默认填充int值)

参考：apply写法修正（不推荐，性能较差） #

如果一定要用apply逐行处理的逻辑，需要判断单个值是否为空后直接返回对应结果，不能在标量值上调用fillna()：

def fill_year(row):
    # 匹配目标游戏且年份为空时返回2012
    if row['name'] == "LEGO Harry Potter: Years 5-7" and pd.isna(row['year_of_release']):
        return 2012
    # 非空值、其他行直接返回原值，可自行扩展其他缺失值的填充规则
    return row['year_of_release']

gaming['year_of_release'] = gaming.apply(fill_year, axis=1).astype('Int64')

内容的提问来源于stack exchange，提问作者Maor Ohayon