Pandas中如何用另一DataFrame的匹配值替换当前表的0值

核心逻辑是通过公共关联键把参考平均值关联到主表，再做向量化条件替换，全程不需要逐行遍历，执行效率高。

具体实现步骤 #

• 先重命名参考表的统计列，避免合并时字段名冲突

# 给df2的平均值字段加专属后缀，和df1的原始业务字段做区分
df2_ref = df2.rename(columns={"Quantity": "Quantity_mean", "Price": "Price_mean"})

• 按匹配规则把平均值关联到df1
  用Region和Product作为联合关联键，用左连接保证df1的原始行数、顺序完全不变，每一行自动匹配到同区域同产品的平均值：

df_combined = df1.merge(df2_ref, on=["Region", "Product"], how="left")

• 执行条件替换
  只把取值为0的Quantity、Price替换成对应平均值，非0值保留原始数据：

import numpy as np

# 替换数量字段的0值
df_combined["Quantity"] = np.where(
    df_combined["Quantity"] == 0,
    df_combined["Quantity_mean"],
    df_combined["Quantity"]
)

# 替换价格字段的0值
df_combined["Price"] = np.where(
    df_combined["Price"] == 0,
    df_combined["Price_mean"],
    df_combined["Price"]
)

• 清理临时冗余字段，得到最终结果

df1_final = df_combined.drop(columns=["Quantity_mean", "Price_mean"])

注意事项 #

• 提前确认df2中每个Region+Product组合是唯一的，不存在重复统计行，否则合并时会出现主表行数膨胀的问题
• 如果你的数据里0值是缺失值填充来的，可以把判断条件改成同时兼容空值：df_combined["Quantity"].isna() | (df_combined["Quantity"] == 0)，空值也会一并替换成平均值
• 你提到的南非地区XYZ产品0值替换的场景，因为南非属于非洲区域，合并时会自动匹配到df2中非洲区域XYZ产品的平均值，完全符合替换规则

内容的提问来源于stack exchange，提问作者A.N.