Pandas如何按条件用其他行值填充NA列 能否用np.where实现

完全可以用np.where（含嵌套写法）实现你需要的按列值映射填充缺失值的逻辑，具体实现方式和注意事项如下：

• 核心注意点：直接使用df.loc[df.C == 'a', ['A', 'B']]作为填充值时，会因为pandas的索引对齐规则（C='a'的行索引和C='e'的行索引不匹配）导致赋值失败返回NaN，需要先把映射基准值提取为无索引的标量。
• 单条映射规则（C列值为'e'时取C='a'对应的A、B值填充，否则保留原值）的实现代码：

import pandas as pd
import numpy as np

# 原始示例数据
df = pd.DataFrame({'A': [0, 1, np.nan, 3, np.nan],
                'B': [5, 6, np.nan, 8, np.nan],
                'C': ['a', 'b', 'c', 'd', 'e']})

# 提取C='a'对应的A、B列基准值
ref_a = df.loc[df.C == 'a', 'A'].iloc[0]
ref_b = df.loc[df.C == 'a', 'B'].iloc[0]

# np.where实现填充
df['A'] = np.where(df['C'] == 'e', ref_a, df['A'])
df['B'] = np.where(df['C'] == 'e', ref_b, df['B'])

• 多条映射规则的嵌套np.where写法：如果你需要新增规则（例如C列值为'c'时取C='b'对应的A、B值填充），直接嵌套np.where层级即可，示例如下：

# 提取第二组映射的基准值
ref_a_c = df.loc[df.C == 'b', 'A'].iloc[0]
ref_b_c = df.loc[df.C == 'b', 'B'].iloc[0]

# 嵌套np.where实现多规则判断：先判断是否为'e'，是则取'a'对应值；否则判断是否为'c'，是则取'b'对应值；其余情况保留原值
df['A'] = np.where(df['C'] == 'e', ref_a,
            np.where(df['C'] == 'c', ref_a_c, df['A']))
df['B'] = np.where(df['C'] == 'e', ref_b,
            np.where(df['C'] == 'c', ref_b_c, df['B']))

补充提示：如果业务场景中映射规则组数很多，过长的嵌套np.where可读性会明显下降，这种情况更推荐先构建固定的映射字典，通过map方法批量匹配基准值后填充，代码维护成本更低。

内容的提问来源于stack exchange，提问作者user3527227