我有原始数据框 = data_df，其中 data_df[\'country_name\'] 列和城市列 data_df[\'city_name\'] 中缺少 427 个国家/地区，所有行都有城市名称

我有原始数据框 = data_df，其中列中缺少 427 个国家 data_df["country_name"] ，城市列中 data_df["city_name"] 除 1 行外所有行都有城市名称。我还有另一个数据框，其中约有 261 行缺少国家和城市名称。我想替换 NaN 原始数据集中 country_name 的值，这些值在我的新数据框（261 行）中可用。我该如何实现。

我尝试使用索引和 for 循环，如果 city_name 等于 city，则使用 Nan 匹配项替换该值，但结果却在数据框中附加了更多行。

for city_index, city_name in enumerate(nan_rows["city_name"]):
    country =  nan_rows.iloc[city_index]["country_name"]
    print(f"City index is {city_index} and City name is {city_name} and county is {country}")
    for city in new_country_missing_df["city_name"]:
        if city ==  city_name:
            nan_rows.loc[city_index, "country_name"] = country

我的数据框示例：nan_rows 数据框：

      country_name           city_name
535            NaN           Granville 
654            NaN  Kingston Upon Hull
787            NaN       New Waterford 
801            NaN           Kingstown 

new_country_missing_df数据框：

 city_name                           country
0             Granville                            France
1    Kingston Upon Hull                    United Kingdom
2         New Waterford                            Canada
3             Kingstown  Saint Vincent and the Grenadines
4              Nanakuli                     United States