如何使用子集DataFrame填充主DataFrame中的缺失Age值？

嗨，我来帮你搞定这个问题！你遇到的场景其实很典型——用一个包含补全数据的子集DataFrame，去填充主表中缺失的Age值，同时不能改动已有数据、也不能产生重复行。我来帮你拆解问题，再给出几种靠谱的解决方案，顺便分析下你之前踩的坑~

最简洁的解决方案：combine_first 方法 #

这个方法完美契合你的需求：只填充主表中原本是NaN的Age值，已有数据完全保留，而且代码超简洁。

步骤很简单：

1. 把子集df1的索引设置为EmpId，这样能通过员工ID精准匹配主表df的行
2. 用combine_first方法，让主表的Age列优先用自己的值，NaN的位置就从df1里取对应ID的Age值填充

代码示例：

import pandas as pd

# 你的原始数据示例
df = pd.DataFrame({
    "EmpId": [1,2,3,100],
    "Name": ['Fred','Barney','Wilma','Pebbles'],
    "Age": [40,35,float('NaN'),float('NaN')]
})

df1 = pd.DataFrame({
    "EmpId": [3,100],
    "Age": [30,6]
})

# 关键步骤
df1.set_index('EmpId', inplace=True)  # 用EmpId做索引，方便匹配
df['Age'] = df['Age'].combine_first(df1['Age'])

print(df)

运行后你会发现，原来的NaN值被精准填充，已有Age值（比如Fred的40、Barney的35）完全没变化，也不会产生重复行。

为什么你之前的方法没生效？ #

我来帮你分析下之前踩的坑：

• pd.merge/pd.join：这两个方法是用来合并表的，不是填充值，所以会产生新列或者重复行，完全不符合“填充缺失值”的需求，用错工具啦~
• df.loc的错误写法：你之前写的df.loc[df.EmpId == df1.EmpId, 'Age']有问题——df1.EmpId是一个Series，和df.EmpId逐元素比较时，因为两个表长度不同，会触发广播匹配，根本找不到正确的行。
• df.update()报错：update是按索引匹配值的，你之前没把两个表的索引统一成EmpId，导致匹配失败报错。而且update会替换所有对应索引的行（不管原来是不是NaN），其实不符合你的需求，所以不推荐用它。

另一种备选方案：字典映射+loc赋值 #

如果你不想改索引，也可以用字典映射的方式实现，逻辑更直观：

# 把df1转成 {EmpId: Age} 的字典
age_dict = df1.set_index('EmpId')['Age'].to_dict()

# 筛选主表中Age为NaN，且EmpId在字典中的行，赋值对应的Age值
df.loc[df['Age'].isna() & df['EmpId'].isin(age_dict.keys()), 'Age'] = df['EmpId'].map(age_dict)

这个方法也能达到效果，就是代码比combine_first长一点。

备注：内容来源于stack exchange，提问作者Stiofán