Pandas fillna()无法用其他DataFrame列填充缺失值的问题咨询

嘿，我懂你遇到的糟心问题——明明有可行的方法，但用fillna()就是没效果，甚至还报错？大概率是索引对齐或者数据匹配的问题在搞鬼，下面给你拆解几种常见场景的解决方案：

1. 最常见的坑：索引不匹配导致fillna()失效 #

默认情况下，fillna()传入Series时会按索引对齐来填充。如果df和df2的索引不完全对应，那些索引不匹配的缺失值就会被忽略，看起来像是没填充一样。

解决办法分两种情况： #

情况A：想按「位置顺序」填充（不管索引）

如果df和df2的行数完全一致，只是索引不同，直接取df2['x']的numpy数组（跳过索引匹配）就行：

df['a'] = df['a'].fillna(df2['x'].values)

情况B：想按「共同索引键」匹配填充

如果两行数据是通过某个索引（比如用户ID、时间戳）一一对应的，用combine_first()会更直观，它会自动按索引对齐，用df2的非缺失值填充df的缺失值：

df['a'] = df['a'].combine_first(df2['x'])

或者用合并的方式更灵活（适合需要临时查看匹配结果的场景）：

# 把df2的x列合并到df中（按索引对齐）
df = df.join(df2[['x']], rsuffix='_df2')
# 填充缺失值
df['a'] = df['a'].fillna(df['x_df2'])
# 删掉临时列
df.drop('x_df2', axis=1, inplace=True)

2. 为什么会报错？大概率是长度不匹配 #

如果df和df2的行数不一样，直接用fillna(df2['x'])可能会抛出错误。这时候你需要先对齐两者的结构：

• 如果是想让df2适配df的索引，用reindex()对齐后再填充：

df['a'] = df['a'].fillna(df2['x'].reindex(df.index))

• 如果是只想用df2的部分数据填充，得先筛选出和df匹配的行（比如通过共同的关联列），再进行填充。

举个实际例子更清楚 #

假设我们有两个DataFrame：

import pandas as pd
import numpy as np

df = pd.DataFrame({'a': [np.nan, 5, np.nan]}, index=[0,1,2])
df2 = pd.DataFrame({'x': [10,20,30]}, index=[0,1,2])

• 索引一致时，df['a'].fillna(df2['x'])直接生效，结果是[10,5,30]
• 如果df的索引改成[0,1,3]，直接用fillna()会让index=3的NaN保留，这时候用df['a'].fillna(df2['x'].values)就能按位置填充成[10,5,30]

内容的提问来源于stack exchange，提问作者Gaurav Bansal