Pandas技术问题：如何用对应列名填充数据表中的非空值

没问题，我来帮你实现这个需求！下面是具体的步骤和代码示例，亲测有效～

需求说明 #

假设我们有这样一份原始数据表：

A    B    C
0  1.0  NaN  3.0
1  NaN  5.0  NaN
2  7.0  8.0  9.0

我们需要把所有非空值替换成它所在列的列名，最终得到这样的结果：

A    B    C
0    A  NaN    C
1  NaN    B  NaN
2    A    B    C

代码实现 #

这里提供两种高效的实现方式，你可以根据习惯选择：

方法1：使用where方法（推荐，性能更优）

where方法可以根据布尔条件选择性替换值，非常适合这个场景：

import pandas as pd
import numpy as np

# 1. 创建示例数据表（你可以替换成自己的数据源）
df = pd.DataFrame({
    'A': [1, np.nan, 7],
    'B': [np.nan, 5, 8],
    'C': [3, np.nan, 9]
})

# 2. 核心处理逻辑：非空值替换为列名，空值保留NaN
df_result = df.where(df.isna(), df.columns, axis=1)

# 3. 查看结果
print("原始数据表：")
print(df)
print("\n处理后的数据表：")
print(df_result)

方法2：使用apply遍历列

如果你更喜欢直观的遍历方式，也可以用apply对每一列单独处理：

# 核心处理逻辑
df_result = df.apply(lambda col: col.where(col.isna(), col.name))

特殊情况处理 #

如果你的数据表中存在空字符串（不是NaN），需要把空字符串也当作“空值”保留的话，可以修改条件：

# 把空字符串和NaN都视为需要保留的空值
df_result = df.where(df.isna() | df.eq(''), df.columns, axis=1)

内容的提问来源于stack exchange，提问作者Angel_M