满足双条件时修改DataFrame的Level列值的正确方法求助

问题场景 #

需要实现：当DataFrame中Type列为'Medium'且Level列为'level 1'时，将Level列值改为'level'，同时保留其他行的原始Level值。

原始数据 #

import pandas as pd
import numpy as np

data = {
    'Type': ['High', 'High', 'Medium', 'Low', 'Low'],
    'Level': ['level 1', 'level 2', 'level 1', 'level 1', 'level 2']
}
df = pd.DataFrame(data)

原代码问题分析 #

你之前使用的np.where写法中，第三个参数指定了固定值'No Level'，这会导致所有不满足条件的行都被替换成这个值，而不是保留原始的Level数据。

正确实现方法 #

方法1：修正np.where参数

将np.where的第三个参数改为原始的df["Level"]，这样不满足条件时就会保留原值：

df["Level"] = np.where(
    (df["Type"] == "Medium") & (df["Level"] == "level 1"),
    'level',
    df["Level"]
)

方法2：使用loc定位修改（更直观）

通过loc直接定位到满足条件的行和列，进行精准修改：

df.loc[(df["Type"] == "Medium") & (df["Level"] == "level 1"), "Level"] = "level"

最终结果 #

执行上述任意一种方法后，得到的DataFrame如下：

Type    Level
0    High  level 1
1    High  level 2
2  Medium    level
3     Low  level 1
4     Low  level 2

内容的提问来源于stack exchange，提问作者JackJack