如何通过布尔索引获取可修改原DataFrame的切片

问题场景 #

假设我们有如下DataFrame：

import pandas as pd
dataset = pd.DataFrame({'A':[5,5,5,5,5,5],
                        'B':[1,2,3,4,5,6]})

输出：

A   B
0   5   1
1   5   2
2   5   3
3   5   4
4   5   5
5   5   6

普通切片的修改行为 #

使用普通切片获取第1到4行，修改切片后原DataFrame会同步更新：

ds = dataset[1:4]
ds.loc[1,'A'] = 10

修改后的ds：

A   B
1   10  2
2   5   3
3   5   4

原dataset同步变化：

A   B
0   5   1
1   10  2
2   5   3
3   5   4
4   5   5
5   5   6

布尔索引的修改行为 #

但使用布尔索引获取切片后，修改切片无法同步到原DataFrame：

sliced = dataset.loc[dataset['B'] % 2 == 0]
sliced.loc[1,'A'] = 10

修改后的sliced：

A   B
1   10  2
3   5   4
5   5   6

原dataset无变化：

A   B
0   5   1
1   5   2
2   5   3
3   5   4
4   5   5
5   5   6

调用ds._is_copy()和sliced._is_copy()均返回原DataFrame的弱引用，但pandas源码中is_view方法可靠性不高：

def is_view(self) -> bool:
    """ return a boolean if I am possibly a view """

文档也未明确布尔索引创建副本的规则，因此需要可靠的方法实现通过布尔索引修改原数据。

解决方案 #

方法1：直接通过原DataFrame的布尔索引修改 #

不需要先将切片赋值给变量，直接在原DataFrame上通过布尔索引定位并修改，这是最可靠的方式：

# 直接修改原DataFrame中符合布尔条件的所有行的A列
dataset.loc[dataset['B'] % 2 == 0, 'A'] = 10

执行后原dataset会直接更新：

A   B
0   5   1
1   10  2
2   5   3
3   10  4
4   5   5
5   10  6

方法2：结合布尔条件与行索引修改指定行 #

如果需要修改符合布尔条件的特定行（比如索引为1的行），可以叠加条件定位：

# 修改符合布尔条件且索引为1的行的A列
dataset.loc[(dataset['B'] % 2 == 0) & (dataset.index == 1), 'A'] = 10

原dataset中索引1的A列会被修改为10。

原理说明 #

布尔索引返回的对象通常是原数据的副本而非视图，虽然_is_copy显示关联，但实际修改时pandas会触发副本机制，导致修改只作用于副本。直接通过原DataFrame的loc进行修改，会绕过副本问题，直接操作原数据的内存区域。

内容的提问来源于stack exchange，提问作者nemba