如何用一行代码批量修改Pandas DataFrame指定单元格的值？

现有如下构造的Pandas DataFrame：

import pandas as pd
df = pd.DataFrame(
    [[1, 2, 4], [1, 3, 1], [4, 6, 2]],
    columns=["A", "B", "C"],
    index=["Foo", "Bar", "Baz"],
)

输出：

A  B  C
Foo  1  2  4
Bar  1  3  1
Baz  4  6  2

还有一个通过标签定位指定单元格的Series：

series = pd.Series(data=["Baz", "Foo"], index=["A", "C"])

输出：

A    Baz
C    Foo
dtype: object

需求是把这些指定单元格的值乘以-1，得到目标DataFrame：

A  B  C
Foo  1  2 -4
Bar  1  3  1
Baz -4  6  2

已知可以用循环实现：

for col, index in series.items():
    df.loc[[index], [col]] = df.loc[[index], [col]] * -1

想问有没有一行代码的批量实现方式？

当然可以，这里提供几种简洁的实现方式：

方法1：直接用df.loc精准定位修改 #

df.loc[series.values, series.index] *= -1

series.values是要修改的行索引列表（["Baz", "Foo"]），series.index是对应的列名列表（["A", "C"]），df.loc会直接定位到这两个交叉的单元格，一步完成乘-1的操作。

方法2：结合df.lookup提取值后更新 #

df.loc[series.values, series.index] = df.lookup(series.values, series.index) * -1

df.lookup能根据行和列的对应关系提取指定单元格的值，乘-1后再赋值回原位置，效果和方法1完全一致。

方法3：布尔掩码方式（需注意适用场景） #

df[(df.index.isin(series.values)) & (df.columns.isin(series.index))] *= -1

⚠️ 注意：如果DataFrame里存在其他行+列的组合同时满足「行索引在series.values里、列名在series.index里」，这种方法会误修改这些额外的单元格，所以更推荐前两种精准匹配的方法。

内容的提问来源于stack exchange，提问作者bhub