Pandas 中如何用一个 Series 按索引填充多个列的缺失值?

风杰君_4427

风杰君_4427

2026-11-19

932人浏览

原创

Pandas 中如何用一个 Series 按索引填充多个列的缺失值?

本文介绍在 Pandas 中高效地使用单个 Series 按行索引(axis=0)批量填充 DataFrame 多个列中的 NaN 值,推荐使用 df.where() 或 df.mask() 方法,兼顾简洁性、可读性与类型安全性。

本文介绍在 pandas 中高效地使用单个 series 按行索引(axis=0)批量填充 dataframe 多个列中的 nan 值,推荐使用 `df.where()` 或 `df.mask()` 方法,兼顾简洁性、可读性与类型安全性。

在 Pandas 数据处理中,常需用一组对齐索引的值统一填补多列缺失项。例如,给定一个含缺失值的 DataFrame 和一个同索引的 Series,目标是将所有 NaN 位置按行索引匹配替换为 Series 对应值——而非逐列调用 fillna(),以提升代码简洁性与执行效率。

最推荐、最 Pythonic 的方法是使用 DataFrame.where() 配合布尔掩码:

import numpy as np
import pandas as pd

df_1 = pd.DataFrame(
    index=[0, 1, 2], 
    columns=['a', 'b', 'c'], 
    data=[[1, np.nan, np.nan], [2, np.nan, 4], [np.nan, 2, -3]]
)
series_1 = pd.Series([6, 5, 4], index=[0, 1, 2])

# ✅ 推荐:语义清晰、通用性强、支持任意数据类型
df_filled = df_1.where(df_1.notna(), series_1, axis=0)
print(df_filled)

输出:

     a    b    c
0  1.0  6.0  6.0
1  2.0  5.0  4.0
2  4.0  2.0 -3.0

where(cond, other, axis=0) 的含义是:“保留满足 cond(即非空)的位置,其余位置用 other(此处为 series_1)填充”,axis=0 确保 Series 沿行方向广播对齐索引。等价地,也可使用 mask()(逻辑取反):

df_filled = df_1.mask(df_1.isna(), series_1, axis=0)  # 效果完全相同

⚠️ 注意事项:

  • fillna() 原生不支持直接传入 Series 填充多列(df.fillna(series) 会尝试按列名对齐,而非索引),因此不能直接写作 df_1.fillna(series_1);
  • 虽有变通方案如 df_1.fillna(0).add(series_1, axis=0).where(df_1.notna(), df_1),但仅适用于数值型数据,且逻辑冗余、易出错,不推荐用于生产环境;
  • where/mask 方案完全保持原始数据类型(如 int 列遇 NaN 会自动转为 float,符合 Pandas 类型规则),且天然支持字符串、时间戳等任意 dtype;
  • 若 series_1 索引与 df_1.index 不完全重合,Pandas 会自动按交集对齐,缺失索引位置仍保留原 NaN,行为安全可控。

总结:面对“单 Series → 多列 → 按索引填充 NaN”的典型需求,请优先选用 df.where(df.notna(), series, axis=0) —— 它语义明确、性能良好、类型安全,是 Pandas 官方推荐的惯用模式。

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

1011

25

GoFrame框架Web开发与路由中间件
GoFrame框架Web开发与路由中间件

本专题聚焦GoFrame框架的Web开发,拆解路由注册与匹配规则、请求参数获取、参数校验与中间件执行顺序,说明统一响应、JWT鉴权、文件上传与接口文档生成的落地方式,并补充优雅重启与测试实践。

2026.11.17

0

15

GoFrame框架安装与gf命令行工具
GoFrame框架安装与gf命令行工具

本专题围绕GoFrame框架的安装与工具链配置展开,讲清Go版本要求、gf命令行的安装方式、代理镜像与依赖准备,说明项目初始化、热编译、交叉编译打包的做法,并整理安装阶段的常见报错与验证步骤。

2026.11.17

20

15

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

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