pandas使用fillna填充列缺失值时无法补全所有空缺如何解决

问题原因排查及修复方案 #

导致只填充了196个缺失值的常见原因及对应解决步骤如下：

• 首先确认总缺失量是否符合预期
  先执行代码print(df['Sulphate'].isna().sum())查看Sulphate列的总缺失值数量，如果总缺失值本身就是196，说明填充逻辑是正常的，无需调整。
• 排查索引对齐问题
  大部分填充不全的问题都是因为预测用的缺失样本索引和原数据集索引不匹配导致的：你提取缺失样本时如果调用了reset_index()重置了索引，预测完直接回填就会出现只有部分位置匹配成功的情况。
• 检查预测值是否存在空值
  执行代码print(pd.isna(pred_vals).sum())查看模型输出的预测结果里有没有空值，如果预测值本身就有缺失，填充后对应位置还是会为空，这类问题通常是因为待预测样本的特征列存在缺失值，模型无法输出有效结果导致的，需要先补全特征列的缺失值再做预测。

标准填充流程参考代码

# 1. 确认总缺失值数量
total_missing = df['Sulphate'].isna().sum()
print(f"当前Sulphate列总缺失值：{total_missing}")

# 2. 提取缺失值对应的特征，保留原索引，不要重置索引
X_missing = df[df['Sulphate'].isna()].drop("Sulphate", axis=1)

# 3. 模型预测
pred_values = your_trained_model.predict(X_missing)
print(f"模型输出预测值数量：{len(pred_values)}") # 正常应和total_missing一致

# 4. 按原索引回填缺失值
df.loc[df['Sulphate'].isna(), "Sulphate"] = pred_values

# 5. 验证填充结果
print(f"填充后剩余缺失值：{df['Sulphate'].isna().sum()}")

如果按照上述流程操作后仍有缺失，可先执行df = df.reset_index(drop=True)重置数据集全局索引，排除重复索引导致的赋值失败问题，再重新走填充流程即可。

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