Python 如何基于其他列填充NaN/None值？

鉴于以下情况，如何基于其他行设置B行的NaN/None值？我应该使用apply吗

d = [
    {'A': 2, 'B': Decimal('628.00'), 'C': 1, 'D': 'blue'},
    {'A': 1, 'B': None, 'C': 3, 'D': 'orange'},
    {'A': 3, 'B': None, 'C': 1, 'D': 'orange'},
    {'A': 2, 'B': Decimal('575.00'), 'C': 2, 'D': 'blue'},
    {'A': 4, 'B': None, 'C': 1, 'D': 'blue'},
]

df = pd.DataFrame(d)

# Make sure types are correct
df['B'] = df['B'].astype('float')
df['C'] = df['C'].astype('int')

In : df
Out:
   A    B  C       D
0  2  628  1    blue
1  1  NaN  3  orange
2  3  NaN  1  orange
3  2  575  2    blue
4  4  NaN  1    blue

In : df.dtypes
Out:
A      int64
B    float64
C      int64
D     object
dtype: object

以下是当值为None时设置B的“规则”示例：

def make_B(c, d):
    """When B is None, the value of B depends on C and D."""
    if d == 'blue':
        return Decimal('1400.89') * 1 * c
    elif d == 'orange':
        return Decimal('2300.57') * 2 * c
    raise

---

以下是我解决问题的方法：

我对make_B的定义如下：

def make_B(x):
    if np.isnan(x['B']):
        """When B is None, the value of B depends on C and D."""
        if x['D'] == 'blue':
            return Decimal('1400.89') * 1 * x['C']
        elif x['D'] == 'orange':
            return Decimal('2300.57') * 2 * x['C']
    else:
        return x['B']

然后我使用apply：

df.apply(make_B,axis=1)

---

看来，应用是前进的方向

fillna

似乎不接受自定义函数。谢谢你的回复。我必须将其分配给

df['B']

正确吗？如果我想基于其他列更改几个列的值，我可以执行类似于

df['B']，df['X']=df.apply（make_B_X，axis=1）

的操作吗？