如何在pandas df填充na值时不转为Series及代码优化

当lsl列存在时，你的代码直接将df变量赋值为df['lsl'].fillna(...)的返回结果，而pandas中单独取单列返回的是Series类型，直接覆盖原有DataFrame变量后，自然会导致后续针对DataFrame的操作报错。

import pandas as pd
import plotly.express as px

def plot_lsl(df):
    print(type(df))
    if 'status' not in df.columns:
        # 可以根据业务需求调整异常处理逻辑，比如抛错、返回空图等
        raise ValueError("传入的DataFrame不存在必要的status列")
    # 提前提取公共判断逻辑，减少重复计算
    status_eq_5 = df['status'].astype(int, errors='ignore') == 5
    if 'lsl' in df.columns:
        # 只修改lsl列，不重新赋值整个df变量
        df['lsl'] = df['lsl'].fillna(status_eq_5)
    else:
        df['lsl'] = status_eq_5
    print(type(df))
    df = df.dropna(subset=['lsl'])
    df['id'] = df['id'].str.upper()
    lsl_plot = px.scatter(data_frame=df, x='ts', y='lsl', color='id')
    return lsl_plot

• 提前校验必要列是否存在，比如status、id、ts列，出现缺失时提前抛出清晰的报错信息，避免后续逻辑出现不可预期的异常
• 重复计算的逻辑提前提取为变量，既减少冗余计算，也方便后续统一修改规则
• 如果不想修改传入的原DataFrame，可以在函数开头新增df = df.copy()，避免出现链式赋值警告，也不会影响函数外的原数据
• 调用plotly.express绘图时，x、y参数直接传列名字符串即可，不需要写df.ts、df.lsl，写法更简洁

内容的提问来源于stack exchange，提问作者aj7amigo