如何按条件比较两个Pandas Series：匹配条件时赋值False，否则保留第一个Series的值

嘿，这个需求其实很容易用Pandas的布尔操作来实现，我给你两种简洁的方案，都能完美得到你想要的结果：

方法1：使用mask()函数进行条件替换 #

mask()函数可以根据指定的布尔条件，将符合条件的位置替换为指定值，正好适配你的需求——当s1和s2同时为True时，把对应位置设为False，其他位置保留s1的原始值：

import pandas as pd
import numpy as np

# 定义原始Series
s1 = pd.Series([False, True, False, True, False], index=np.arange(0,5))
s2 = pd.Series([False, False, False, True, True], index=np.arange(0,5))

# 核心逻辑：标记出s1和s2都为True的位置，替换为False
result = s1.mask(s1 & s2, False)

# 查看结果
print(result)

输出结果完全符合你的期望：

0    False
1     True
2    False
3    False
4    False
dtype: bool

方法2：直接使用逻辑运算 #

你也可以通过布尔逻辑直接计算结果，思路是：只有当s1为True且s2为False时，结果才保留True，其他情况都为False。用代码实现就是：

result = s1 & ~s2

运行这段代码会得到和上面完全一样的结果，这种方式更简洁，适合熟悉布尔逻辑的场景。

逻辑解释 #

• s1 & s2：生成一个布尔Series，标记出两个Series都为True的位置
• ~s2：对s2的布尔值取反，把True变成False，False变成True
• s1 & ~s2：只有当s1为True且s2为False时，结果才为True，正好满足你的需求

内容的提问来源于stack exchange，提问作者Rohit