如果默认列中的行为NaN,如何从dataframe中的其他列中选择行?

你只需要对你的第三个条件做一个小小的改变。 df["b"].isna() 已经回来了 True 或 False 所以 df["b"] == df["b"].isna() 实际上是在检查 df["b"] 结果是一样的 boolean (事实并非如此)。

只需删除第三个条件的前半部分。

import numpy as np
import pandas as pd
conditions = [
    (df["b"] <= df["a"]), 
    df["b"] > df["a"],
    df["b"].isna()]

choices = [df["b"], df["a"], df["a"]]

df['c'] = np.select(conditions, choices, default=df["b"])
print(df)

这似乎有效:

df = pd.DataFrame(np.array([[np.nan, 1717], [1749, 1750], [1704, np.nan]]),
               columns=['a', 'b'])

df['c'] = df.a

for i in range(len(df)):
    if df.a.iloc[i] == np.nan:
        df.c.iloc[i] = df.b.iloc[i]

此解决方案提供您想要的输出:

import pandas as pd
import numpy as np

df = pd.DataFrame(np.array([[np.nan, 1717], [1749, 1750], [1704, np.nan]]),
                   columns=['a', 'b'])

def fill_row(row):
    if pd.isnull(row['a']): 
        return row['b']
    else: 
        return row['a']

df['c'] = df.apply(lambda row : fill_row(row), axis=1) 
print(df)

输出:

        a       b       c
0     NaN  1717.0  1717.0
1  1749.0  1750.0  1749.0
2  1704.0     NaN  1704.0