为何使用loc引用DataFrame列时inplace掩码操作不生效？

问题重现 #

先看测试代码：

import pandas as pd

# 创建测试DataFrame
test_df = pd.DataFrame({'a': ['bar', 'bar', 'foo', 'foo'],
                     'b': ['one', 'two', 'one', 'two'],
                     'c': [2, None, 23, 0],
                     'd': [0, 3, 3, None]})
print(test_df)

执行以下代码后，原test_df完全没变化：

test_df.loc[:, ['c','d']].mask(0 == test_df.loc[:, ['c','d']], inplace = True)

但执行下面的代码，就能成功把c、d列的0替换成NaN：

test_df.mask(0 == test_df[['c','d']], inplace = True)

原因解析 #

核心问题出在pandas的视图/副本机制：

• 当你用test_df.loc[:, ['c','d']]获取切片时，pandas返回的可能是原数据的视图，也可能是副本（取决于数据存储结构和操作）。但直接对这个切片对象调用mask(inplace=True)时，pandas无法确保这个切片是原DataFrame的视图，实际上这里返回的是一个副本。对副本执行原地修改，自然不会影响原DataFrame。
• 而test_df.mask(0 == test_df[['c','d']], inplace=True)是直接在原DataFrame上操作：传入的布尔掩码只针对c、d列（其他列的掩码值为False），mask方法会在原DataFrame中对掩码为True的位置替换值，修改直接作用在原数据上。

正确的操作方式 #

如果想针对特定列用mask修改原DataFrame，有两种可靠写法：

1. 直接在原DataFrame上调用mask（即你成功的那种写法）：

test_df.mask(test_df[['c','d']] == 0, inplace=True)

2. 将切片的mask结果赋值回原DataFrame的对应列：

test_df.loc[:, ['c','d']] = test_df.loc[:, ['c','d']].mask(test_df.loc[:, ['c','d']] == 0)

这种赋值方式明确将修改后的结果覆盖原数据，避免了视图/副本的歧义问题。

内容的提问来源于stack exchange，提问作者Robert Peetsalu