Pandas批量循环列：用同名后缀列替换缺失值方法问询

当然可以搞定这个需求！对于你这种需要循环处理多列，用对应_suffix列的值填补原列NaN的场景，用Pandas来实现非常顺手，我给你整理了两种实用的方法，新手也能轻松上手：

1. 先准备示例数据 #

首先我们先把你给出的示例数据用Pandas构造出来，方便后续测试：

import pandas as pd
import numpy as np

# 构造示例DataFrame
df = pd.DataFrame({
    'obs': [1, 2],
    'col1': [np.nan, 200],
    'col2': [50, np.nan],
    'col1_suffix': [20, 30],
    'col2_suffix': [60, 100]
})

运行后得到的df就是你给出的表格结构啦。

2. 方法一：手动指定列名循环处理 #

如果你的原列数量不多，或者已经明确知道要处理的列名（比如col1、col2），可以直接循环这些列名，用combine_first方法完成替换：

# 定义需要处理的原列列表
original_cols = ['col1', 'col2']

for col in original_cols:
    # 拼接对应的后缀列名
    suffix_col = f"{col}_suffix"
    # 用后缀列的值替换原列的NaN
    df[col] = df[col].combine_first(df[suffix_col])

执行完这段代码后，你再查看df就会发现：

• col1的NaN被col1_suffix的20替换了
• col2的NaN被col2_suffix的100替换了

3. 方法二：自动匹配后缀列（适合大量列的场景） #

如果你有很多列（比如col1到colN），不想手动列出来，可以通过列名的规律自动匹配原列和后缀列：

# 提取所有原列（排除带_suffix的列和obs列）
original_cols = [col for col in df.columns if not col.endswith('_suffix') and col != 'obs']

for col in original_cols:
    suffix_col = f"{col}_suffix"
    # 先确认后缀列存在，避免报错
    if suffix_col in df.columns:
        df[col] = df[col].combine_first(df[suffix_col])

这种方法会自动识别所有不带_suffix的列（除了obs），然后去找对应的后缀列进行替换，非常适合列数多的情况，不用一个个手动写列名。

小补充：关于combine_first #

combine_first的作用是：用右侧列的值填充左侧列中的缺失值，而且只会替换NaN，不会改动原列中已有的有效值，完全符合你的需求。你也可以用df[col].fillna(df[suffix_col])，效果是一样的，两种方法选你觉得顺手的就行~

内容的提问来源于stack exchange，提问作者wingman168