Python 使用同一数据帧的特定列作为引用，同时从多个列中填充NaN值的最佳方法

例如：

DF=pd.DataFrame（{'A'：[0,0，np.NaN，0，np.NaN，0,0,0]，
‘B’：[1，1，np.NaN，1，np.NaN，1，1，1]，
‘C’：[8,8，np.NaN，8，np.NaN，np.NaN，8,8]，
‘D’：[2，2，2，np.NaN，np.NaN，2，np.NaN，np.NaN]，
‘E’：[3，3，3，np.NaN，np.NaN，3，np.NaN，np.NaN]}）

我希望得到的预期结果是尽可能地填充A列和B列，即：

1）如果DF['A']行为NaN，则应获取对应的DF['D']行
2） 如果DF['B']行为NaN，则应获得相应的DF['E']行
3） DF['C']应保持原样

我正在努力：

DF[['A'，'B']]=DF[['A'，'B']].fillna（DF[['D'，'E']]

但似乎只有当两个不同的数据帧具有相同的列名称时，它才会起作用。我可以在DF1和DF2中拆分DF，将DF2['D']重命名为A，将DF2['E']重命名为B，然后执行以下操作：

DF1[['A'，'B']]=DF1[['A'，'B']].fillna（DF2[['A'，'B']]

但我认为这不是最好的办法。有什么想法吗

实际数据集有300万行，因此最好得到最有效的解决方案：）

---

谢谢！！：）

使用

np。其中

是一个很好的选择，因为它与底层numpy数组一起工作：

DF[['A','B']] = np.where(DF[['A','B']].isna(), DF[['D','E']], DF[['A','B']])

输出：

     A    B    C    D    E
0  0.0  1.0  8.0  2.0  3.0
1  0.0  1.0  8.0  2.0  3.0
2  2.0  3.0  NaN  2.0  3.0
3  0.0  1.0  8.0  NaN  NaN
4  NaN  NaN  NaN  NaN  NaN
5  0.0  1.0  NaN  2.0  3.0
6  0.0  1.0  8.0  NaN  NaN
7  0.0  1.0  8.0  NaN  NaN