如何更新Pandas dataframe，按Object对应关系替换Field列的NaN值

完全不需要逐行遍历，用Pandas自带的向量化操作即可，性能比遍历高1~2个数量级，适合任意体量的数据集。

实现逻辑 #

1. 先基于Field非空的行构造映射字典：key为Field的取值，value为该行对应的Object取值
2. 对Field为空的行，用该行的Object值去上述映射字典匹配，匹配成功则替换Field的值，匹配失败保留NaN

代码实现 #

import pandas as pd
import numpy as np

# 构造映射字典，相同Field默认保留最后一次出现的Object，可调整keep参数修改规则
field_map = df.dropna(subset=['Field'])\
              .drop_duplicates(subset=['Field'], keep='last')\
              .set_index('Field')['Object']\
              .to_dict()

# 替换NaN的Field值
df.loc[df['Field'].isna(), 'Field'] = df.loc[df['Field'].isna(), 'Object'].map(field_map)

# 如果需要删除替换后Field仍为NaN的行（匹配示例输出去掉tablet行的效果），可加下面这行
# df = df[~(df['Field'].isna() & df['Object'].map(field_map).isna())]

逻辑验证 #

对给出的示例数据，构造的field_map为：

{'Christmas': 'house', 'house': 'table', 'table': 'chair', 'bottle': 'house'}

• Field为空的Christmas行，Object值为Christmas，匹配到对应value为house，替换成功
• Field为空的bottle行，Object值为bottle，匹配到对应value为house，替换成功
• Field为空的tablet、oven行无匹配，保留NaN，完全符合需求

内容的提问来源于stack exchange，提问作者LdM