Pandas仅对含至少1个非NaN值的行填充空值时inplace失效问题

首先，你遇到的inplace=True无效的问题，核心原因是Pandas的视图与副本机制：当你通过df.loc[df.dropna(thresh=1).index, :]选取行时，Pandas返回的是原DataFrame的副本而非视图。这时候调用fillna(inplace=True)只会修改这个临时副本，原DataFrame完全不受影响，自然看不到变化。

正确的实现思路 #

我们需要先定位出所有至少包含一个非NaN值的行，然后仅对这些行执行填充操作，同时保留全NaN行的原始状态。下面是两种直观的实现方式：

方法一：布尔掩码+直接赋值（推荐） #

这种方式清晰易懂，直接针对目标行操作并修改原DataFrame：

import pandas as pd
import numpy as np

# 构造你的原始DataFrame
df = pd.DataFrame(data = {"col1":[3, np.nan, np.nan, 21], "col2":[4, np.nan, 12, np.nan], "col3":[33, np.nan, 55, np.nan]})

# 创建布尔掩码：标记出非全NaN的行（True表示需要填充的行）
non_all_nan_rows = df.notna().any(axis=1)

# 仅对目标行执行填充，并赋值回原DataFrame
df.loc[non_all_nan_rows] = df.loc[non_all_nan_rows].fillna("fill value")

# 查看结果
print(df)

执行后输出：

col1       col2       col3
0        3.0        4.0       33.0
1        NaN        NaN        NaN
2  fill value       12.0       55.0
3       21.0  fill value  fill value

方法二：使用where方法简洁实现 #

如果你喜欢更紧凑的写法，可以用df.where来保留全NaN行，其他行用填充后的值替换：

df = df.where(~non_all_nan_rows, df.fillna("fill value"))

这里~non_all_nan_rows是全NaN行的掩码，where会保留这些行的原始值，其余行替换为填充后的结果。

为什么你的原代码不行？ #

再强调一下：df.loc[df.dropna(thresh=1).index, :]返回的是副本，而非原DataFrame的引用。哪怕你加了inplace=True，修改的也只是这个副本，原DataFrame根本没被触碰。这是Pandas中很常见的“坑”，核心是理解什么时候返回视图、什么时候返回副本——一般来说，当索引是非连续的或者涉及复杂筛选时，Pandas更倾向于返回副本。

内容的提问来源于stack exchange，提问作者Toby Petty