如何用Lookup表填充Pandas数据表中的NaN值（col_a含重复值场景）

嘿，我懂你的需求——想用lookup_df来填充df1里的NaN值，但又怕col_a有重复值，用左连接会搞出多余的行对吧？别慌，这几个方法完全能满足你的要求，而且不会引入额外的行：

前提说明 #

首先得确认你的lookup_df里的col_a是唯一值哦！毕竟是查找表，同一个key对应多个值的话，填充逻辑会混乱，这是基础前提哈。

方法1：map() + fillna()（单列填充首选） #

如果只是填充某一列，这个方法最直接高效。先把lookup表转成键值对字典，再用df1的col_a去匹配，最后填充NaN：

import pandas as pd
import numpy as np

# 假设要填充df1的col_b列，lookup_df有col_a和col_b的对应关系
lookup_dict = lookup_df.set_index('col_a')['col_b'].to_dict()

# 用map匹配对应值，再填充原列的NaN
df1['col_b'] = df1['col_b'].fillna(df1['col_a'].map(lookup_dict))

不管df1的col_a有多少重复，这个方法只会按对应值填充NaN，不会新增行，完美解决你的顾虑。

方法2：combine_first()（多列填充首选） #

如果需要填充多列，这个方法更省心，不用逐个列处理。原理是把两个表按col_a对齐，保留df1的非NaN值，用lookup表的值补全NaN：

# 把lookup_df设置索引为col_a，方便和df1对齐
lookup_indexed = lookup_df.set_index('col_a')

# 对齐后填充，最后重置索引恢复原结构
df1_filled = df1.set_index('col_a').combine_first(lookup_indexed).reset_index()

这个方法会自动处理所有列的NaN填充，同样不会因为col_a重复产生额外行。

方法3：replace()（灵活替换） #

和第一个方法类似，用replace直接替换NaN值：

lookup_dict = lookup_df.set_index('col_a')['col_b'].to_dict()
df1['col_b'] = df1['col_b'].replace(np.nan, df1['col_a'].map(lookup_dict))

效果和方法1一致，看你个人习惯选用。

注意事项 #

• 如果df1的col_a里存在lookup_df没有的取值，对应的NaN会保留，你可以根据需求加个fillna('默认值')收尾；
• 一定要保证lookup_df的col_a无重复，否则转字典时后面的条目会覆盖前面的，导致填充结果不准确。

内容的提问来源于stack exchange，提问作者himi64