如何在 Pandas DataFrame 中用字典填充 NaN 值

星磊酱_9037

星磊酱_9037

2026-11-17

705人浏览

原创

如何在 Pandas DataFrame 中用字典填充 NaN 值

本文详解为何 fillna() 无法直接用字典填充含 NaN 的字典列,介绍 mask() 和 map() 等更可靠、健壮的替代方案,并提供可安全处理缺失列的封装建议。

本文详解为何 `fillna()` 无法直接用字典填充含 nan 的字典列,介绍 `mask()` 和 `map()` 等更可靠、健壮的替代方案,并提供可安全处理缺失列的封装建议。

在 Pandas 中,当某一列(如 'B')的数据类型为 object 且实际存储的是字典(如 {'t': 1}),同时包含 np.nan 值时,试图使用 df.fillna({'B': {'t': 0}}) 进行填充会静默失败——数据未被修改。这是因为 fillna() 对字典值的广播逻辑受限于其内部类型推断机制:它要求填充值与目标列的 dtype 兼容,而 dict 类型无法被 fillna() 自动广播到 NaN 位置(尤其在 object 列中),导致该操作被忽略。

推荐的两种高效、清晰的解决方案如下:

✅ 方案一:mask()(推荐,语义明确、支持链式操作)

df['B'] = df['B'].mask(df['B'].isna(), {'t': 0})

mask() 显式地将满足条件(此处为 isna())的位置替换为指定值,不依赖 dtype 推断,对任意 Python 对象(包括字典、列表、自定义类)均安全有效。若列 'B' 不存在,此行会抛出 KeyError,便于早期发现问题;如需容错,可先校验列存在性:

if 'B' in df.columns:
    df['B'] = df['B'].mask(df['B'].isna(), {'t': 0})

✅ 方案二:map() + pd.isna(函数式风格,逻辑直观)

df['B'] = df['B'].map(lambda x: {'t': 0} if pd.isna(x) else x)

map() 对每个元素应用函数,pd.isna() 可正确识别 np.nan、None 等缺失标识,避免 x is None 的误判风险。该方式同样兼容任意对象类型,且代码意图一目了然。

⚠️ 注意事项:

  • 避免使用 df.fillna({'B': ...}) 处理非标量(如字典、列表)填充值,这是 Pandas 的已知限制;
  • fillna() 适用于数值、字符串等标量填充,或对整行/整列统一填充,但不适用于逐元素结构化填充;
  • 若需批量处理多列字典型 NaN,可封装为函数:
    def fill_dict_na(df, column, fill_dict):
        if column in df.columns:
            df[column] = df[column].mask(df[column].isna(), fill_dict)
        return df
    df = fill_dict_na(df, 'B', {'t': 0})

综上,mask() 是最贴近原始需求、兼具可读性与鲁棒性的首选方法;map() 则适合强调函数式编程场景。二者均优于 fillna() 在此类任务中的表现。

PHP速学视频免费教程(入门到精通)
PHP速学视频免费教程(入门到精通)

PHP怎么学习?PHP怎么入门?PHP在哪学?PHP怎么学才快?不用担心,这里为大家提供了PHP速学教程(入门到精通),有需要的小伙伴保存下载就能学习啦!

下载

相关标签:

本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn

相关专题

更多
Python 时间序列分析与预测
Python 时间序列分析与预测

本专题专注讲解 Python 在时间序列数据处理与预测建模中的实战技巧,涵盖时间索引处理、周期性与趋势分解、平稳性检测、ARIMA/SARIMA 模型构建、预测误差评估,以及基于实际业务场景的时间序列项目实操,帮助学习者掌握从数据预处理到模型预测的完整时序分析能力。

2025.12.04

360

15

Python 数据清洗与预处理实战
Python 数据清洗与预处理实战

本专题系统讲解 Python 在数据清洗与预处理中的核心技术,包括使用 Pandas 进行缺失值处理、异常值检测、数据格式化、特征工程与数据转换,结合 NumPy 高效处理大规模数据。通过实战案例,帮助学习者掌握 如何处理混乱、不完整数据,为后续数据分析与机器学习模型训练打下坚实基础。

2026.01.31

292

21

Python数据分析与Pandas高级实战
Python数据分析与Pandas高级实战

本专题围绕 Python 数据分析展开,系统讲解 Pandas 的高级用法,包括数据清洗、透视表、时间序列分析以及多表合并与分组操作。通过实战案例,帮助开发者掌握高效处理与分析数据的方法,提高数据处理效率与分析能力。

2026.04.13

991

25

GoFrame框架零基础入门
GoFrame框架零基础入门

本专题整理GoFrame框架的入门知识,从模块化设计理念、环境准备到跑通第一个Web服务,讲清目录分层、配置加载、日志与中间件的用法,并对比Gin、Go-Zero的差异,帮助Go开发者建立整体认知。

2026.11.17

0

15

SQLAlchemy 一对多关系怎么建立
SQLAlchemy 一对多关系怎么建立

SQLAlchemy 一对多关系怎么建立?本专题整理父子表外键、relationship 双向映射、关联查询、级联删除和加载优化等相关文章,帮助你理解并实现常见的 ORM 关系建模。

2026.11.17

0

10

SQLAlchemy 如何增删改查
SQLAlchemy 如何增删改查

SQLAlchemy 如何增删改查?本专题整理 ORM 新增记录、条件查询、更新和删除、Session 事务提交与批量处理等实用文章,帮助你掌握 Python 数据库操作流程。

2026.11.17

0

11

SQLAlchemy ORM 模型怎么写
SQLAlchemy ORM 模型怎么写

SQLAlchemy ORM 模型怎么写?本专题整理模型类定义、Mapped 字段映射、主键与约束、表结构创建和常见报错的相关文章,帮助你从基础配置到实际建模逐步掌握 SQLAlchemy。

2026.11.17

0

16

Go-Zero API开发使用教程
Go-Zero API开发使用教程

本专题聚焦Go-Zero的API开发,拆解.api描述文件的语法结构、路由与分组定义、参数绑定与校验规则,说明统一响应体、JWT鉴权、跨域与接口文档生成的落地方式,并给出网关聚合与接口测试的实践建议。

2026.11.12

160

15

Go-Zero安装与goctl环境配置教程
Go-Zero安装与goctl环境配置教程

本专题围绕Go-Zero的安装与工具链配置展开,讲清Go版本要求、goctl安装方式、代理镜像、protoc依赖与环境变量设置,说明多版本共存、升级回退与CI流水线安装的做法,并整理安装阶段的常见报错与验证步骤。

2026.11.12

120

15

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
热门推荐
/
最新课程
phpStudy极速入门视频教程
phpStudy极速入门视频教程

共6课时 | 54.7万人学习

独孤九贱(4)_PHP视频教程
独孤九贱(4)_PHP视频教程

共89课时 | 134.3万人学习