如何在满足另一列条件时替换DataFrame某列的值？

你的写法报错是因为链式索引（df[df['col1'] == 'A']['col2']）大概率返回的是原DataFrame的副本而非视图，inplace=True在副本上执行不仅不会修改原数据，还会触发SettingWithCopyWarning甚至报错。下面是几种可靠的解决方法：

方法1：使用.loc精准定位（推荐） #

.loc是pandas中修改原数据最安全的方式，直接定位满足条件的行和列：

# 精确替换单个值
df.loc[df['col1'] == 'A', 'col2'] = df.loc[df['col1'] == 'A', 'col2'].replace('X', 'Y')

# 如果需要模糊匹配（比如包含X的字符串），用str.replace
df.loc[df['col1'] == 'A', 'col2'] = df.loc[df['col1'] == 'A', 'col2'].str.replace('X', 'Y')

方法2：用numpy.where批量赋值 #

通过条件判断批量生成新列值，直接覆盖原列：

import numpy as np
df['col2'] = np.where(df['col1'] == 'A', df['col2'].replace('X', 'Y'), df['col2'])

方法3：用.mask精准替换特定场景 #

如果只需要在col1='A'且col2='X'时替换，.mask会更高效：

df['col2'] = df['col2'].mask((df['col1'] == 'A') & (df['col2'] == 'X'), 'Y')

关键提醒 #

避免使用链式索引修改数据，pandas官方文档也明确不推荐这种写法，因为无法确定返回的是视图还是副本，极易导致数据修改不生效或意外错误。

内容的提问来源于stack exchange，提问作者Matt Smith