如何基于条件替换DataFrame中的数据并适配列顺序不一致的场景

我有两个Pandas DataFrame：df1和df2，构造代码及数据如下：

import pandas as pd

df1 = pd.DataFrame()
df1['Cat'] = [0,1,2]
df1['Mouse'] = [12,13,17]
df1['Dog'] = [18,22,89]

df1的数据长这样：

Cat  Mouse  Dog
0    0     12   18
1    1     13   22
2    2     17   89

df2 = pd.DataFrame()
df2['Cat'] = [0.94, 0.86, 0.04]
df2['Mouse'] = [1,0.12,0.13]
df2['Dog'] = [0.03,0.025,0.17]

df2的数据是这样：

Cat  Mouse    Dog
0  0.94   1.00  0.030
1  0.86   0.12  0.025
2  0.04   0.13  0.170

我的需求是：只有当df2对应位置的值小于0.05时，把df1对应位置的值替换成NaN，期望得到的结果如下：

Cat  Mouse   Dog
0  0.0     12   NaN
1  1.0     13   NaN
2  NaN     17  89.0

补充问题：如果df1和df2的列顺序不一样（比如df1是Cat、Dog、Mouse，df2是Dog、Mouse、Cat），代码该怎么改？

场景1：df1和df2列顺序完全一致 #

这种情况最省心，直接用Pandas的布尔索引就能完成替换，代码超简洁：

# 先复制df1，避免修改原始数据
result_df = df1.copy()
# 用布尔矩阵标记需要替换的位置，直接赋值为NaN
result_df[df2 < 0.05] = pd.NA

运行后result_df就是你想要的结果。原理很简单：Pandas会自动对齐两个DataFrame相同位置的元素，df2 < 0.05会生成一个和原DataFrame形状一样的布尔矩阵，True的位置就是需要替换成NaN的地方，直接赋值就行。（用np.nan也可以，在数值列里效果和pd.NA一致）

场景2：df1和df2列顺序不一致 #

列顺序不同的话，关键是先让两个DataFrame的列对齐，再执行替换。我们可以用reindex()方法把df2的列调整成和df1一模一样的顺序，之后就和场景1的操作一样了：

# 模拟列顺序不一致的情况
df1 = df1[['Cat', 'Dog', 'Mouse']]
df2 = df2[['Dog', 'Mouse', 'Cat']]

# 复制原始df1
result_df = df1.copy()
# 将df2的列重新对齐为df1的列顺序
aligned_df2 = df2.reindex(columns=df1.columns)
# 执行替换操作
result_df[aligned_df2 < 0.05] = pd.NA

这样不管两个DataFrame的列怎么打乱，都能保证对应列的元素正确匹配，完美完成替换需求。

内容的提问来源于stack exchange，提问作者user16413457