Python中基于同形状另一DataFrame值替换目标DataFrame对应位置NaN的方法

你之前写的循环代码跑不出预期，是几个pandas新手常见的坑叠加导致的：

• 赋值用了双等号==，这是等值判断运算符，不是赋值操作，相当于代码只是做了判断，根本没修改df2的任何值
• 没法直接判断NaN：pandas里的NaN和任何值（包括它自己）做等值比较的结果都是False，用==或者和空字符串比较根本识别不到NaN，必须用内置的isna()/notna()方法判断空值
• 逐行遍历的写法既慢又容易出现索引错位，pandas本身支持向量化批量操作，完全不需要写循环来处理这类对齐的空值替换
• 切片写的1:只取从第二列开始的范围，和需求里全列处理的逻辑不匹配

整个逻辑不需要写循环，三行代码就能搞定，核心思路是用布尔掩码批量定位需要修改的位置：

1. 构造和两个DataFrame同形状的布尔矩阵，只有同时满足「df2当前位置是NaN」「df1同位置是非NaN有效值」的位置才标记为True
2. 把所有标记为True的位置直接赋值为0

完整可运行代码：

import pandas as pd
import numpy as np

# 构造和你给出的样例完全一致的测试数据
df1 = pd.DataFrame({
    'a': [1, 2, 5, 8, 7, np.nan],
    'b': [5, 4, 8, 8, 3, 5],
    'c': [np.nan, 8, 5, 1, 2, 1]
})

df2 = pd.DataFrame({
    'a': [5, np.nan, 3, np.nan, 9, np.nan],
    'b': [5, 4, 8, np.nan, np.nan, 5],
    'c': [np.nan, 8, np.nan, 8, 6, 7]
})

# 核心替换逻辑
# 因为两个DataFrame结构完全一致，布尔运算会严格按位置匹配，不会错位
# 掩码：df2当前位置是空值 且 df1同位置不是空值
mask = df2.isna() & (~df1.isna())
# 把掩码标记的位置替换为0
df2[mask] = 0

运行后得到的df2和你预期的结果完全一致：

a    b    c
0  5.0  5.0  NaN
1  0.0  4.0  8.0
2  3.0  8.0  0.0
3  0.0  0.0  8.0
4  9.0  0.0  6.0
5  NaN  5.0  7.0

说明：结果里的数值显示为浮点数是pandas的正常表现——因为列中存在NaN时，整数类型会自动转为浮点型，如果需要整数格式可以后续用df2 = df2.astype(int)转换（注意该操作只适用于无剩余NaN的列）。

内容的提问来源于stack exchange，提问作者Etiende