Pandas：用M1或M2列的非NaN值填充B列缺失值

直接上能解决问题的代码，完全符合你的需求——只替换B列的NaN，不改动已有的正确值，同时兼顾M1和M2的非空情况：

df.loc[df['B'].isnull(), 'B'] = df['M1'].combine_first(df['M2'])

为什么这个方法管用？ #

combine_first()是Pandas里专门处理这类“优先取A，A空就取B”场景的神器：

• 它会逐行检查M1的值，如果M1不是NaN，就用M1的值填充B的NaN；
• 如果M1是NaN（比如你示例里的第五行），就自动取对应行M2的非NaN值；
• 完全不会触碰B列已经计算正确的那些行（比如第一、三、四、六行的B值会原封不动保留）。

验证你的示例数据 #

运行完上面的代码后，你的DataFrame会变成：

完美匹配你想要的结果！

额外小技巧 #

如果你需要优先用M2的值（而不是M1），只需要调换两个列的顺序就行：

df.loc[df['B'].isnull(), 'B'] = df['M2'].combine_first(df['M1'])

内容的提问来源于stack exchange，提问作者FaCoffee