讲师中心 微信公众号

工具推荐

视频效率加速
updream

一键生成高质量推广成片

立刻MV
立刻MV

低成本歌曲 MV、视频生成

AniShort
AniShort

AI短剧协同制作平台

剧云
剧云

中文短剧剧本制作平台

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

发布时间:2026-11-19 13:54:10

|

932人浏览过

|

来源于php中文网

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。

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

热门AI工具

更多
蛙蛙写作

一款AI论文写作工具,主要用于超级AI智能写作助手,适合需要提升相关任务效率的用户。

切问学术

切问学术是一款AI论文写作工具,复旦大学NLP团队推出的AI学术智能体。

VibeKnow
VibeKnow Hot

一款AI视频创作工具,主要用于全球首个AI知识视频创作平台,文档、文章、网页,一键生成视频,适合需要提升相关任务效率的用户。

WorkBuddy

一款AI办公效率工具,主要用于腾讯云推出的AI原生桌面智能体工作台,适合需要提升相关任务效率的用户。

豆包大模型

豆包大模型是一款由字节跳动推出的企业级大语言模型服务平台。

Seko
Seko Hot

一款AI视频创作工具,主要用于商汤科技推出的创编一体的AI短视频创作Agent,适合需要提升相关任务效率的用户。

立刻MV
立刻MV Hot

立刻MV是一款AI文本写作工具,AI 音乐视频(MV)创作工具。

DeepSeek

DeepSeek是一款面向对话、写作、编程和推理场景的AI大模型工具。

讯飞智文

一款面向学习和办公场景的AI文档创作工具,可辅助生成PPT与Word文档,提高资料整理和内容制作效率。

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。

360

2025.12.04

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。

292

2026.01.31

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。

1011

2026.04.13

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。

20

2026.11.17

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。

20

2026.11.17

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。

20

2026.11.17

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。

20

2026.11.17

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。

20

2026.11.17

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。

20

2026.11.17

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
关于我们 免责申明 举报中心 意见反馈 讲师合作 广告合作 最新更新
php中文网:公益在线php培训,帮助PHP学习者快速成长!
关注服务号
PHP中文网订阅号
每天精选资源文章推送

Copyright 2014-2026 https://www.php.cn/ All Rights Reserved | php.cn