pandas中apply调用API填充列NaN值未生效问题排查

• 返回值类型不兼容：原w列初始为数值类型，但你的api_call函数可能返回字典类型的错误响应{"status":41}，旧版本pandas遇到类型不匹配的赋值时会静默跳过，不会修改原位置的NaN值，最终空值数量完全不变。
• 函数逻辑缺失：你写的异常捕获只处理API主动抛出异常的场景，完全没覆盖API正常返回业务错误字典的情况，直接把非数值的字典传入填充流程，触发上述类型问题。
• 填充写法存在隐式风险：使用df['w'].fillna(..., inplace=True)时，如果触发pandas的视图-副本机制，修改会落在临时生成的副本上，不会持久化到原DataFrame。
• 效率浪费：原写法对全量12000行都执行API调用，不管w列是否已经有值，会白白消耗API配额和运行时间。

首先统一API调用函数的返回值类型，保证只返回合法整数或np.nan，杜绝字典等非数值类型返回；其次只对空值行调用API，最后用显式索引赋值替代fillna+inplace的写法，避免副本问题。
修正后的完整代码：

import pandas as pd
import numpy as np

# 修正后的API调用函数，统一返回值类型
def api_call(v):
    try:
        r = api(v)
        # 处理业务错误响应
        if isinstance(r, dict) and r.get("status") == 41:
            return np.nan
        # 校验合法评分范围
        if isinstance(r, (int, float)) and 1 <= r <= 100:
            return int(r)
        # 其余非法返回统一转空值
        return np.nan
    except:
        return np.nan

df = pd.DataFrame({
                   'id':[0, 1, 2, 3, 4],
                   'v': ['a','b','c','d','e'],
                   'w': [10, np.nan, np.nan, np.nan, np.nan]
                 })

# 仅筛选w列为空的行调用API，返回值索引和原df对齐
fill_series = df.loc[df['w'].isna(), 'v'].apply(api_call)
# 显式按索引赋值，避免视图副本问题
df.loc[fill_series.index, 'w'] = fill_series

# 可选：强制把w列转为数值类型，彻底避免object类型带来的后续问题
df['w'] = pd.to_numeric(df['w'], errors='coerce')

运行后可以用df['w'].isna().sum()查看空值数量，正常情况下空值数量等于API返回{"status":41}或调用异常的次数，其余空值会被正确填充为整数评分。

内容的提问来源于stack exchange，提问作者kms