Pandas按条件填充NaN问题求助：指定NUM_PRINTS行填充失败

我明白你遇到的问题了——这种情况在Pandas里挺常见的，核心原因是你用inplace=True的时候，可能操作的是原DataFrame的副本而非视图，导致修改没同步到原数据上。

为什么原代码没生效？ #

当你执行data.loc[indices,'TOTAL_VISITS'].fillna(5,inplace=True)时，data.loc[indices,'TOTAL_VISITS']返回的对象有可能是原DataFrame的一个副本（而非直接指向原数据的视图）。这时候inplace=True只会修改这个临时副本，原DataFrame自然不会有变化。这种情况通常会伴随SettingWithCopyWarning警告（如果你的警告开关没关的话），提示你可能在修改副本而非原数据。

可靠的解决方案 #

我们可以通过直接赋值的方式，明确把填充后的值写回原DataFrame，彻底避免副本/视图的歧义问题。

方案1：拆分赋值（清晰直观）

indices = data['NUM_PRINTS'] == num_prints
# 先获取筛选后的列，填充NaN，再赋值回原DataFrame
data.loc[indices, 'TOTAL_VISITS'] = data.loc[indices, 'TOTAL_VISITS'].fillna(5)

方案2：合并写法（更简洁）

可以把筛选和填充合并成一行，减少中间变量：

data.loc[data['NUM_PRINTS'] == num_prints, 'TOTAL_VISITS'] = data.loc[data['NUM_PRINTS'] == num_prints, 'TOTAL_VISITS'].fillna(5)

方案3：用fillna的subset参数

如果你更喜欢用fillna的原生参数，也可以通过指定subset来限定填充的行范围：

# 获取需要填充的行索引
fill_rows = data[data['NUM_PRINTS'] == num_prints].index
# 仅在指定索引范围内填充NaN
data['TOTAL_VISITS'].fillna(5, inplace=True, subset=fill_rows)

测试验证 #

我们用一段测试数据来验证效果：

import pandas as pd
import numpy as np

# 创建测试DataFrame
data = pd.DataFrame({
    'NUM_PRINTS': [2, 3, 2, 3, 2],
    'TOTAL_VISITS': [10, np.nan, np.nan, 20, np.nan]
})
num_prints = 2

# 执行方案1的代码
indices = data['NUM_PRINTS'] == num_prints
data.loc[indices, 'TOTAL_VISITS'] = data.loc[indices, 'TOTAL_VISITS'].fillna(5)

print(data)

输出结果会是：

NUM_PRINTS  TOTAL_VISITS
0           2          10.0
1           3           NaN
2           2           5.0
3           3          20.0
4           2           5.0

可以看到，所有NUM_PRINTS=2的行里，TOTAL_VISITS的NaN已经被成功填充为5了。

总结 #

在Pandas中，尽量避免依赖inplace=True在链式操作（或可能返回副本的操作）中修改原数据，直接赋值的方式更明确、更不容易出错，也能避开视图/副本的模糊问题。

内容的提问来源于stack exchange，提问作者user9548409