Pandas按条件跨DataFrame替换指定列值出现空值问题

循环赋值出现空值，是因为df2.loc[df2['loan_num'] == loan, col]返回的是带pandas原生索引的Series对象，不是单个数值。pandas做DataFrame赋值时默认会按索引对齐匹配，只要df1目标行的索引和df2取出的Series索引不匹配，对应位置就会被填充为空值。
哪怕两个表内容完全一样，只要行顺序、索引值有偏差，就会出现你遇到的赋值为空的问题——这也是为什么你赋值固定值时没问题，赋值df2的切片就出问题。

方案1：最小改动修复原有循环 #

只需要在取df2的值时，把带索引的Series转成纯标量值，跳过索引对齐逻辑即可，原有双层循环结构完全不用改：

for loan in fb_loans:
    for col in cols_to_reset:
        # 加.iloc[0]取出匹配到的第一个值，转成无索引的标量
        new_val = df2.loc[df2['loan_num'] == loan, col].iloc[0]
        df1.loc[df1['loan_num'] == loan, col] = new_val

方案2：向量化批量替换（推荐，适配多列/大数据量场景） #

手写双层循环效率很低，你有数千条记录、30个待重置列的场景，用pandas原生的索引匹配批量替换性能会好很多，代码也更简洁：

# 以贷款编号为索引建立df2的值映射
df2_map = df2.set_index('loan_num')
# 标记需要回滚的行
rollback_mask = df1['fb'] == 'Y'
# 批量替换指定列，末尾加.values跳过索引对齐
df1.loc[rollback_mask, cols_to_reset] = df2_map.loc[df1.loc[rollback_mask, 'loan_num'], cols_to_reset].values

执行后得到的df1完全匹配你的预期结果：

loan_num     bal   rate  sfee fb
0       100  125000  2.250  0.30  Y
1       101  100000  3.750  0.19  N
2       102  150000  4.000  0.25  N
3       103  275000  4.250  0.75  Y
4       104  350000  6.125  0.25  N
5       105  550000  2.500  0.55  Y

内容的提问来源于stack exchange，提问作者gernworm