除非 B 列的值为 NaN，否则如何将 A 列的所有值替换为 B 列的值？ [复制]答案

【问题标题】：How do I replace all of Column A's values with Column B's values unless Column B's value is NaN? [duplicate]除非 B 列的值为 NaN，否则如何将 A 列的所有值替换为 B 列的值？ [复制]
【发布时间】：2019-08-27 13:47:50
【问题描述】：

给定以下数据框：

import numpy as np
import pandas as pd

df = pd.DataFrame({"ColA": [1, 2, np.nan, 4, np.nan],
                   "ColB": [np.nan, 7, np.nan, 9, 10]})

   ColA  ColB
0   1.0   NaN
1   2.0   7.0
2   NaN   NaN
3   4.0   9.0
4   NaN  10.0

我想用 ColB 的值替换 ColA 的值，但我不想用 NaN 值替换非 NaN 值。我想要的输出是以下 DataFrame：

   ColA  ColB
0   1.0   NaN
1   7.0   7.0
2   NaN   NaN
3   9.0   9.0
4   10.0  10.0

我的实际数据非常大，所以虽然我知道我可以逐行迭代，但我正在寻找一种更有效的方法。

【问题讨论】：

这可能会有所帮助：stackoverflow.com/questions/38152389/…
看不到简单的fillna 在这里有什么帮助（关于欺骗）
该问题与stackoverflow.com/questions/30357276/… 不重复。我不仅要填充 NaN 值，还要用另一列中的值替换一列中的所有值，除非另一列中的值是 NaN。
使用numpy.where()。我无法回答，因为它已被标记为重复呵呵。
是的，它是重复的。已经回答了。你也可以选择df['ColA'] = df.ColB.combine_first(df.ColA)

标签： python pandas numpy

【解决方案1】：

df['ColA']= np.where(df['ColA'].notna(), np.where(df['ColB'].isna(),df['ColA'],df['ColB']), df['ColA'])

【讨论】：

谢谢！这个小小的修改就成功了： df['ColA']= np.where(df['ColA'].notna(), np.where(df['ColB'].isna(), df['ColA'] , df['ColB']), df['ColB'])