使用熊猫填充缺失值推荐的方法，我想从以下数据框中df1与列中的值填写b列的缺失值a对大熊猫
import pandas as pd
import numpy as np
df1 = pd.DataFrame(data=dict(a=[1, 2, 3], b=[1, np.nan, 3]))
mask = pd.isnull(df1.b)
看来我可以使用三种不同的方式：
# first
df1.loc[mask, 'b'] = df1.loc[mask, 'a']
#second
df1.loc[mask, 'b'] = df1.a
# third
df1.fillna(value=dict(b=df1.a), inplace=True)
所有这些都导致相同的结果。有推荐的方法吗？
谢谢。
然后我们做的时间：
import pandas as pd
import numpy as np
df1 = pd.DataFrame(data=dict(a=[1, 2, 3], b=[1, np.nan, 3]))
mask = pd.isnull(df1.b)
%timeit df1.loc[mask, 'b'] = df1.loc[mask, 'a']
1000 loops, best of 3: 1.15 ms per loop
%timeit df1.loc[mask, 'b'] = df1.a
1000 loops, best of 3: 1.16 ms per loop
%timeit df1.fillna(value=dict(b=df1.a), inplace=True)
1000 loops, best of 3: 215 µs per loop
#3rd one is the fastest among three.
编辑方法从@Zero
%timeit df1.b = df1.b.fillna(df1.a)
1000 loops, best of 3: 371 µs per loop
%timeit df1.b.fillna(df1.a, inplace=True)
1000 loops, best of 3: 210 µs per loop
另一个'df1.b = df1.b.fillna（df1.a）'或'df1.b.fillna（df1.a，inplace = True）'？ – Zero
另一种方法是使用大熊猫where()有：
df1["b"].where(df1["b"]==np.nan, other=df1["a"],inplace=True)
print(df1)
a b
0 1 1.0
1 2 2.0
2 3 3.0
他们都有优点和缺点。什么对你最有用？ – piRSquared
我认为这不是一个有用的问题。我对第二个（也是第三个）有点困惑，因为它在正确的DataFrame上获得适当的索引，而在第一种情况下它是明确的。 –
第三个应该是自我解释。您正在使用旨在解决此问题的API。一，熊猫自动对齐指数，这就是大熊猫真棒的原因之一。二，你正在为熊猫做的工作，通过消除它将要照顾的指数。 – piRSquared