如何在Pandas中仅对DataFrame指定列的NaN值按规则替换生成连续ID
实现方案
核心逻辑
- 第一步先锁定
article_id列所有缺失值对应的行索引,全程不对非空值所在的行做任何修改 - 固定ID生成的基准前缀,严格对齐现有非空ID的总长度,保证字段格式统一
- 按照缺失值的出现顺序生成连续递增的ID序列,通过索引定位精准回写对应位置,完全避免覆盖原有有效数据
可直接运行的实现代码
import pandas as pd import numpy as np # 构造匹配需求的示例数据集 df = pd.DataFrame({ "article_id": [np.nan, np.nan, np.nan, "202102011404103", "202102011404104", np.nan], "title": ["title_1", "title_2", "title_3", "title_4", "title_5", "title_6"] }) # 定位所有article_id为缺失值的行索引 na_row_index = df[df["article_id"].isna()].index missing_num = len(na_row_index) # 固定ID生成规则,对齐预期格式 # 现有非空ID为15位长度:12位固定前缀 + 3位补零的递增后缀 id_prefix = "202101011404" seq_start = 106 # 生成和缺失值数量完全匹配的连续ID序列 id_list = [f"{id_prefix}{str(seq_start + i).zfill(3)}" for i in range(missing_num)] # 精准回写:仅对之前定位的缺失行做赋值操作,不触碰原有非空值 df.loc[na_row_index, "article_id"] = id_list
关键注意点
- 不要使用整列覆盖的赋值方式,原参考实现的问题就在于对整列做列表推导赋值,会把原有非空的ID全部替换掉
- 格式对齐时用
zfill(3)做后缀补零,保证生成的ID和现有非空ID长度完全一致 - 回写必须用
df.loc[行索引列表, 目标列]的索引定位方式,才能保证赋值的精准性,不会错位或误改数据
最终运行后输出的结果完全匹配预期:原有第4、5行的ID值保持原样,4个缺失值按序列连续递增的规则从
202101011404106开始依次填充,最后一个缺失值对应序列末尾的202101011404109
内容的提问来源于stack exchange,提问作者jos97
相关产品推荐
相关产品推荐

