如何在pandas中基于另一列的行值修改指定列的对应行数据

最优实现代码 #

pandas内置的fillna()方法原生支持该需求，无需手动遍历，是性能最优的向量化实现：

# 直接用B列的值填充A列的NaN
df['A'] = df['A'].fillna(df['B'])

完整可复现示例 #

import pandas as pd
import numpy as np

# 构造测试数据
df = pd.DataFrame({
    'A': [1, np.nan, 3, np.nan, 5],
    'B': [10, 20, 30, 40, 50]
})

# 执行填充
df['A'] = df['A'].fillna(df['B'])
print(df)

运行输出结果：

A   B
0   1.0  10
1  20.0  20
2   3.0  30
3  40.0  40
4   5.0  50

可选实现：条件赋值（适合复杂扩展场景） #

如果后续需要叠加更多判断逻辑，可以用loc条件索引实现：

df.loc[df['A'].isna(), 'A'] = df.loc[df['A'].isna(), 'B']

注意事项 #

• 不建议用for循环逐行遍历处理，pandas向量化操作在大数据量下性能比遍历高数十到数百倍
• 若需要保留原始A列数据，可以先复制备份再修改：df['A_filled'] = df['A'].fillna(df['B'])

原始数据参考 #

预期结果参考 #

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