新列'z'使用df['z'] = df['y']从列'y'获取其值。这会带来缺失的值，因此使用fillna使用列'x'填充它们。将这两个操作链接起来：

>>> df['z'] = df['y'].fillna(df['x'])
>>> df
   x   y   z
0  1 NaN   1
1  2   8   8
2  4  10  10
3  8 NaN   8

您可以将apply与axis=1选项一起使用。那么你的解决方案就很简洁了。

df[z] = df.apply(lambda row: row.y if pd.notnull(row.y) else row.x, axis=1)

使用np.where：

In [3]:

df['z'] = np.where(df['y'].isnull(), df['x'], df['y'])
df
Out[3]:
   x   y   z
0  1 NaN   1
1  2   8   8
2  4  10  10
3  8 NaN   8

这里使用布尔条件，如果为true，则返回df['x']，否则返回df['y']

假设DataFrame被称为df。首先复制y列。

df["z"] = df["y"].copy()

然后将z的nan位置设置为nan在z中的x中的位置。

import numpy as np
df.z[np.isnan(df.z)]=df.x[np.isnan(df.z)]

>>> df 
   x   y   z
0  1 NaN   1
1  2   8   8
2  4  10  10
3  8 NaN   8

我不确定我是否理解了这个问题，但这是你要找的吗？
“if y[i]”将跳过如果值为none。

for i in range(len(x));
    if y[i]:
        z.append(y[i])
    else:
        z.append(x[i])

update方法几乎就是这样做的。唯一需要注意的是，update将在适当的位置执行此操作，因此您必须首先创建一个副本：

df['z'] = df.x.copy()
df.z.update(df.y)

在上面的例子中，你从x开始，用y中的相应值替换每个值，只要新值不是NaN。