Pandas按条件调用函数填充列np.nan时fillna不生效问题

• 代码使用了链式索引df[(筛选条件)]['a']，这种写法在pandas中会返回原DataFrame的临时副本而非指向原数据的视图，对这个副本执行inplace=True的修改只会作用在临时对象上，执行完就被回收，根本不会写入原DataFrame。
• 即使解决了链式索引问题，直接传入全量df.apply的返回值做填充也会出现索引对齐问题，不满足筛选条件的行的计算结果会干扰填充逻辑，甚至误改非目标行的值。

直接通过loc定位原DataFrame的目标行和目标列，仅对符合条件的行执行API调用后赋值，既避免副本问题，也减少不必要的API请求：

import pandas as pd
import numpy as np

# mock dict
d = dict({'v1': 'xxx1', 'v2': 'xxx2'})

def api_res(val):
    # make api call
    res = d.get(val)
    return res

df = pd.DataFrame({
                   'm': ['M1','M2','M3'],
                   'v': ['v1','v2','v3'],
                   'c': [np.nan, 1, np.nan],
                   'a': [np.nan, np.nan, np.nan]
                 })

mlst = ['M1','M2']

# 提前定义筛选掩码
filter_mask = df['m'].isin(mlst) & df['c'].isna()
# 直接定位原df的目标位置赋值
df.loc[filter_mask, 'a'] = df.loc[filter_mask, 'v'].apply(api_res)

执行后a列结果完全符合预期：

• 第一行（满足m在mlst中、c为nan）：值为xxx1
• 第二行（c字段值为1，不满足条件）：保持np.nan
• 第三行（m值为M3不在mlst中，不满足条件）：保持np.nan

内容的提问来源于stack exchange，提问作者kms