我想将某个领域的英勇换成另一个。例如：假设我有一个标识符为df的pandas.DataFrame对象（是的，非常原始），它有几列，但其中有些列是相关的，不能为空。
我注意到一些值设置在另一个字段中。假设field1是一个相关字段，而field2不是。我有一千个寄存器，当我获得新数据时，它每周都在增加，并且由于我喜欢使事情自动化，所以我首先检查以下可能的值：
idx = df[df.field1.isna() & df.field2.notna()].index
然后我尝试替换它们：
df.loc[idx, ['field1']] = df.loc[idx, ['field2']]
但是当我看到结果时，什么都没有改变……为什么？我以这种方式用单个值代替，但是如果它们不同，我将无法再进行替换。
df.loc[idx, ['field1']] = "Not empty any longer" # This will work
我无法弄清楚如何以一种……好的方式实现这一目标？我的意思是，我不想手动检查它，如果它们只有50岁也没关系，我必须对其他领域也做同样的事情，我可能会得到更多这样的信息（而且我会这样做）。
谢谢！
尝试这个： df.loc[idx, ['field1']] = df.loc[idx, ['field2']].values
例：
# The None in 'field1' should be replaced by the 'field2' value
df = pd.DataFrame({'field1':[1,2,3,None,5], 'field2':[6,7,8,8,None]})
idx = df[df.field1.isna() & df.field2.notna()].index
df.loc[idx, ['field1']] = df.loc[idx, ['field2']].values
原始数据框：
df
field1 field2
0 1.0 6.0
1 2.0 7.0
2 3.0 8.0
3 NaN 8.0
4 5.0 NaN
修改后的df：
df
field1 field2
0 1.0 6.0
1 2.0 7.0
2 3.0 8.0
3 8.0 8.0
4 5.0 NaN
本文收集自互联网，转载请注明来源。
如有侵权，请联系 [email protected] 删除。
我来说两句