如何在Pandas中使用带条件的apply函数仅处理Area为NaN的DataFrame行

首先修正原示例中sample_func的参数名笔误（函数内引用的变量v未在参数中定义，修改为参数v1）：

import pandas as pd
from numpy import NaN

df = pd.DataFrame({'Area': [1, 9, NaN],
                   'Val': [1, 3, 5],
                   'Val2': [7, 9, 10]}) 

# 修正参数名错误
def sample_func(v1, token):
    sq = v1**2
    return int(sq)

方案1：预筛选目标行再执行apply（推荐，性能更优） #

仅选中Area列为NaN的行执行函数，不需要遍历全量数据，适合数据量较大的场景：

df.loc[df['Area'].isna(), 'Area'] = df[df['Area'].isna()].apply(lambda x: sample_func(x['Val'], x['Val2']), axis=1)

方案2：在apply逻辑中嵌入条件判断 #

写法更简洁，适合小数据集使用：

df['Area'] = df.apply(lambda x: sample_func(x['Val'], x['Val2']) if pd.isna(x['Area']) else x['Area'], axis=1)

执行后最终输出的DataFrame结果如下：

内容的提问来源于stack exchange，提问作者kms