本文介绍如何在 pandas 中高效地将某列中的缺失值（none/nan）替换为对应“父键”所在行的指定字段值，核心方法是构建键值映射字典并结合 `map` 与 `fillna` 实现链式回填。
在数据处理中，常遇到具有层级关系的表格结构——例如某行通过 Parent 字段引用另一行的 Key，当本行 Value 缺失时，需自动继承其父行的 Value 值。这种“基于主键的跨行回填”不能依赖简单前向/后向填充（ffill/bfill），而应建立精准的键值映射。
实现的关键步骤如下：
构建映射字典：以 Key 列为键、Value 列为值，生成 dict(df[['Key', 'Value']].values)。注意：若存在重复 Key，后者会覆盖前者；如需保留首次出现值，可改用 df.drop_duplicates('Key', keep='first').set_index('Key')['Value'].to_dict()。
映射父键并回填：对 Parent 列调用 .map(m)，将每个父键尝试查找对应 Value；再用 .fillna() 将原 Value 中的缺失值替换为映射结果。该操作天然支持“未匹配父键 → 保持 None”。
完整示例代码如下：
import pandas as pd import numpy as np # 构造示例数据 data = [['Key1', 'Key10', 246], ['Key2', 'Key1', None], ['Key3', 'Key14', "434"]] df = pd.DataFrame(data, columns=['Key', 'Parent', 'Value']) # 步骤1：构建 Key → Value 映射字典 mapping = dict(df[['Key', 'Value']].values) # 步骤2：用 Parent 查找对应 Value，并填充原 Value 中的缺失值 df['Value'] = df['Value'].fillna(df['Parent'].map(mapping)) print(df)
输出结果：
Key Parent Value 0 Key1 Key10 246 1 Key2 Key1 246 2 Key3 Key14 434
✅ 注意事项：
- map() 对未命中键默认返回 NaN，恰好与 fillna() 协同，无需额外处理；
- 若 Value 列含字符串 "None" 或空字符串等非 None/np.nan 的“逻辑空值”，需先统一转换：df['Value'] = df['Value'].replace(['', 'None', 'null'], np.nan)；
- 该方法支持多层间接引用（如 Key2 → Key1 → Key10），但仅限单层映射；如需递归解析（即 Key2 指向 Key1，而 Key1 的 Value 本身也为 None 且需继续向上查 Key10），则需改用 networkx 构建有向图或编写迭代/递归函数。
此方案简洁、向量化、性能优异，是解决“父键回填”类问题的标准实践。
