如何参照另一列姓名数据填充Gender列中的NaN缺失值

普通Python的If-Else语句不能直接作用于pandas的Series整列数据，所以你之前的尝试会报错，用pandas向量化操作即可实现需求，以下是两种常用实现方式：

方式1：结合fillna + np.where实现（运行效率最高） #

先确认你df中存储人员姓名的列名，替换代码中的姓名列字段即可：

import numpy as np

boys_names = ['Robin Ounc', 'Chris Stew', 'Neil Bhor', ...]
# 仅填充Gender列的空值，不会覆盖原有已经存在的性别数据
df['Gender'] = df['Gender'].fillna(
    np.where(df['姓名列'].isin(boys_names), 'M', 'F')
)

方式2：用loc筛选空值行单独处理（逻辑更清晰，无需额外引入numpy） #

# 筛选出Gender列为空的行掩码
gender_null_mask = df['Gender'].isna()
# 对空值行单独匹配姓名规则赋值
df.loc[gender_null_mask, 'Gender'] = df.loc[gender_null_mask, '姓名列'].apply(
    lambda x: 'M' if x in boys_names else 'F'
)

匹配优化建议 #

如果姓名存在大小写不统一、首尾有多余空格的情况，可以先做标准化再匹配，避免匹配遗漏：

# 先清洗男性姓名列表
clean_boys = [name.strip().lower() for name in boys_names]
# 清洗df中的姓名字段后再匹配
df['Gender'] = df['Gender'].fillna(
    np.where(df['姓名列'].str.strip().str.lower().isin(clean_boys), 'M', 'F')
)

内容的提问来源于stack exchange，提问作者Sticky