我来帮你调整代码，刚好能满足你的需求——保留Basic开头和_T结尾的所有列数据，只对其余列做每行Top N的筛选（非Top值设为0）。具体步骤和代码如下：

步骤1：定义参数并筛选列类别 #

首先明确Top值，然后把DataFrame的列精准分成三类：

import pandas as pd

# 设定Top N值，可根据需求修改为3、5、10等
Top = 20

# 筛选三类列
basic_cols = [col for col in df.columns if col.startswith("Basic")]
t_cols = [col for col in df.columns if col.endswith("_T")]
other_cols = [col for col in df.columns if not col.startswith("Basic") and not col.endswith("_T")]

步骤2：仅对目标列执行Top N筛选 #

我们直接在原DataFrame的副本上修改，只处理other_cols部分，其余列完全保留原始数据：

# 复制原DataFrame，避免修改原始数据
df_final = df.copy()

# 对非Basic、非_T的列，每行保留Top N大的数值，其余设为0
df_final[other_cols] = df_final[other_cols].apply(
    lambda x: x.where(x.isin(x.nlargest(Top)), 0),
    axis=1
)

代码细节说明 #

• 列筛选逻辑：用startswith()和endswith()精准匹配你定义的两类保留列，剩下的就是需要做Top N处理的目标列。
• Top N处理：x.nlargest(Top)取出当前行前Top N大的数值，x.isin(...)判断每个元素是否属于这个Top集合，where()方法保留符合条件的数值，不符合的自动设为0。
• 数据保留：Basic开头和_T结尾的列全程不受影响，完全保留原始数值。

针对你提供的样本数据测试示例 #

假设Top=1，样本中的other_cols是Lemon836、Manf3953：

• 第1行这两列的值是4和1，Top1是4，所以Manf3953会被设为0；
• 第2行是5和9，Top1是9，所以Lemon836会被设为0；
  而Basic开头的Basic1011、Basic2837等，以及_T结尾的Car92_T、Basic383_T列的数值始终保持原样。

内容的提问来源于stack exchange，提问作者asmgx