为何Pandas中fillna按行用字典填充报错，replace替换NaN却正常？

嘿，这个问题我之前调试代码的时候也踩过坑，咱们一步步理清楚为啥会这样哈！

先说说为啥fillna会报错 #

你用的df.fillna(value={'A': 'not existed'}, axis=1, inplace=True)里，axis=1是关键问题！

pandas的fillna函数中，axis参数直接决定了填充的匹配逻辑：

• 当axis=0（默认值，按列填充）：value传入的字典，key需要是列名，对应填充该列的所有NaN，这时候你写{'A': 'not existed'}完全没问题，甚至不需要加axis=1。
• 但当你指定axis=1（按行填充）：value的字典key需要是行索引，用来填充对应行的所有NaN。这时候你传入列名'A'当key，pandas就找不到对应的行索引匹配，自然抛出那个NotImplementedError，提示你按行填充的场景下，没法用列名的字典来指定填充值。

简单说，你加了axis=1，就把填充逻辑从「按列匹配列名」改成了「按行匹配行索引」，但你的字典还是按列名写的，完全不匹配，所以触发了错误。

再说说为啥replace能正常运行 #

你用的df['A'].replace(np.nan, 'not existed')，是直接针对**单个列'A'**操作的：

• 首先你已经通过df['A']选中了目标列，不需要再考虑全局的axis参数；
• replace的逻辑很直接：把该列中所有等于np.nan的值替换成指定字符串，而且它允许跨类型替换（原来的列是float类型，替换后会自动变成object类型，容纳字符串），所以完全不会有问题。

补个正确的fillna用法 #

其实你如果去掉axis=1，用默认的axis=0，代码就能正常运行：

df.fillna(value={'A': 'not existed'}, inplace=True)

这样pandas就会找到列'A'，把里面的NaN全部替换成'not existed'，和replace的效果是一致的。

内容的提问来源于stack exchange，提问作者daiyue