如何在Pandas中就地填充某列NaN值？多种方法尝试后仍无效

看起来你踩了Pandas里经典的「视图与副本」坑！你尝试的那些方法之所以失效，大概率是因为你操作的不是原DataFrame的真实列，而是一个切片生成的视图（或者说副本）——修改视图不会同步到原数据，甚至会触发那个烦人的SettingWithCopyWarning。

先排查问题根源 #

先确认你的df是不是从其他DataFrame切片来的视图：

# 查看是否是视图
print(df._is_view)
# 或者查看是否关联了原数据
print(df._is_copy)

如果输出True或者显示<weakref at 0x...; to 'DataFrame' at 0x...>，说明你当前操作的只是原数据的一个视图，而不是独立的DataFrame。

有效解决方案 #

方案1：先创建独立副本再填充

如果df是视图，先把它转成独立的副本，之后的操作就会生效了：

# 生成独立副本
df = df.copy()
# 就地填充NaN
df['column'].fillna(value=myValue, inplace=True)

方案2：用loc直接操作原数据列

如果你确定df是原数据（不是视图），可以用loc方法直接定位到列进行填充，这是Pandas官方推荐的避免视图问题的写法：

# 直接在原DataFrame上填充，无需inplace
df.loc[:, 'column'] = df['column'].fillna(myValue)

方案3：全局填充指定列（确保操作原数据）

如果想用fillna的字典参数形式，同样要确保操作的是原数据：

# 先转副本（如果是视图的话）
df = df.copy()
# 全局填充指定列
df.fillna({'column': myValue}, inplace=True)

验证填充结果 #

操作完成后，用下面的代码确认NaN是否被完全填充：

# 检查剩余NaN数量
print(sum(pd.isnull(df['column'])))
# 查看唯一值是否还有NaN
print(list(df['column'].unique()))

为什么之前的方法失效？ #

• df[['column']].fillna(..., inplace=True)：df[['column']]返回的是一个新的DataFrame副本，inplace=True只修改了这个副本，原数据完全没变化。
• 触发SettingWithCopyWarning的df.fillna(..., inplace=True)：这说明df是视图，Pandas无法确定你是否要修改原数据，所以拒绝执行有效修改。
• df['column'] = df['column'].fillna({'column': myValue})：这里fillna的参数用错了，单列填充不需要传字典，直接传myValue就行，传字典会导致填充逻辑不生效（相当于没匹配到要填充的列）。

内容的提问来源于stack exchange，提问作者user479947