如何基于Pclass与Title从另一DataFrame填充Pandas的Age缺失值？

首先，你的嵌套循环代码没生效的核心原因是链式索引赋值的陷阱：当你写df.loc[...]['Age']时，Pandas返回的是原DataFrame的一个副本，你对这个副本的修改不会同步到原df中，所以NaN值始终没被覆盖。而且嵌套循环确实不是最优解，尤其是数据集较大时，我们可以用Pandas的原生向量操作来更高效地完成填充。

1. 先修正你的循环代码（快速修复） #

只需要把列名直接放到loc的第二个参数里，避免链式索引，就能确保修改作用于原DataFrame：

import pandas as pd

# 修正后的循环代码
for tit in df['Title'].unique():
    for cls in [1,2,3]:
        # 直接在loc中指定'Age'列，确保修改原DataFrame
        df.loc[df['Age'].isna() & (df['Title'] == tit) & (df['Pclass'] == cls), 'Age'] = age_df.loc[tit][cls]

2. 更高效的非循环方法（推荐） #

下面几种方法不需要循环，利用Pandas的向量化操作，效率更高，代码也更简洁：

方法一：使用apply逐行匹配填充 #

定义一个函数，根据每行的Title和Pclass从age_df中获取对应年龄，然后用apply批量处理：

def fill_missing_age(row):
    if pd.isna(row['Age']):
        # 根据Title和Pclass从age_df中取对应值
        return age_df.loc[row['Title']][row['Pclass']]
    else:
        return row['Age']

# 应用函数填充Age列
df['Age'] = df.apply(fill_missing_age, axis=1)

方法二：构建多级索引映射（更高效） #

把age_df转换为多级索引的Series，然后通过元组匹配快速填充：

# 将age_df转换为(Title, Pclass)为索引的Series
age_mapping = age_df.stack()

# 对Age的缺失值，用Title和Pclass的元组去匹配映射值
df['Age'] = df['Age'].fillna(
    df.apply(lambda x: age_mapping.get((x['Title'], str(x['Pclass']))), axis=1)
)

注意：这里x['Pclass']转成字符串是因为age_df的列名是字符串类型（比如'1','2','3'），如果你的age_df列名是整数，就不需要转换。

方法三：用合并（Merge）的方式填充 #

把age_df转成长格式，然后和原df合并，再填充缺失值：

# 将age_df转换为长格式：Title、Pclass、FillAge三列
age_df_long = age_df.reset_index().melt(
    id_vars='index', 
    var_name='Pclass', 
    value_name='FillAge'
).rename(columns={'index': 'Title'})

# 把Pclass转为整数类型，和原df的Pclass类型匹配
age_df_long['Pclass'] = age_df_long['Pclass'].astype(int)

# 合并原df和age_df_long，匹配Title和Pclass
df = df.merge(age_df_long, on=['Title', 'Pclass'], how='left')

# 用FillAge填充Age的缺失值，然后删除临时列
df['Age'] = df['Age'].fillna(df['FillAge'])
df.drop('FillAge', axis=1, inplace=True)

总结 #

如果数据集不大，修正后的循环也能工作，但更推荐后面的非循环方法——Pandas的向量化操作比Python循环快得多，尤其是处理大型数据集时，代码也更符合Pandas的惯用写法。

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