Pandas链式调用drop_duplicates().fillna(0)无法填充NaN为0的问题

嘿，这个问题我在旧版Pandas里也踩过坑！咱们先搞清楚为什么链式调用会失效，再给你几个优雅的解决办法～

问题根源：索引对齐与旧版方法特性 #

你遇到的核心问题在于Pandas的索引对齐机制，以及0.20.3版本中drop_duplicates()的返回逻辑：

• 当你执行df['a'].drop_duplicates()时，它返回的是仅保留唯一值（第一个出现的）的Series，但这个Series只包含有值的索引（比如你的例子里是0、2、3、5），索引1和4的条目直接被移除了，而非设为NaN。
• 链式调用fillna(0)时，这个方法只会对Series中已存在索引但值为NaN的位置填充0，但此时临时Series里根本没有索引1和4，所以填充操作对这两个位置完全无效。
• 当你把结果赋值回df['a']时，Pandas会按索引对齐，找不到对应索引的值就自动设为NaN，这就是为什么结果里仍有NaN。

而分开执行时，第一步赋值会把原DataFrame中缺失的索引位置（1、4）自动补为NaN，第二步fillna(0)是对整个df['a']（包含所有索引且存在NaN）进行填充，所以能生效。

解决办法 #

办法1：补全索引后链式填充（贴近你的原有思路） #

用reindex先恢复原DataFrame的所有索引，让缺失位置变成NaN，再执行填充，完美适配链式调用：

df = pd.DataFrame({'a':[1,1,2,3,3,4], 'b':[10,20,30,40,50,60]})
df['a'] = df['a'].drop_duplicates().reindex(df.index).fillna(0)

执行后结果符合预期：

a   b
0  1  10
1  0  20
2  2  30
3  3  40
4  0  50
5  4  60

办法2：直接标记重复值替换（更高效） #

不需要先删再填充，直接用duplicated()标记重复项（保留第一个），然后把这些位置设为0，一步到位：

df.loc[df['a'].duplicated(keep='first'), 'a'] = 0

这个方法无需生成临时Series，直接在原DataFrame上修改，效率更高。

办法3：链式风格的替换写法 #

如果你偏好链式调用的简洁性，也可以用replace结合duplicated实现：

df['a'] = df['a'].replace(df['a'][df['a'].duplicated()], 0)

内容的提问来源于stack exchange，提问作者elPastor