高效修改DataFrame值：满足条件时将指定列设为np.nan

需求说明 #

当DataFrame中c1列出现值32时，将对应行的c2列值更新为np.nan。

示例原始数据 #

c1    c2
a    1    8
b    2    8
c    3    8
d    4    8
e   32    8
f   32    8
g    2    8

修改后目标数据 #

c1    c2
a    1    8
b    2    8
c    3    8
d    4    8
e   32    nan
f   32    nan
g    2    8

优化解决方案 #

你当前的代码过于复杂，完全不需要通过索引位置转换来实现。以下两种方法简洁高效，且不会触发"修改副本"的警告：

方法1：使用.loc直接原地修改（官方推荐） #

这是最直接的原地修改方式，直接定位符合条件的行和目标列赋值：

import pandas as pd
import numpy as np

df = pd.DataFrame(data={'c1':[1,2,3,4,32,32,2], 'c2':[8,8,8,8,8,8,8]}, index=list('abcdefg'))
# 核心代码：条件行 + 目标列直接赋值
df.loc[df['c1'] == 32, 'c2'] = np.nan

df.loc[行筛选条件, 列名]会直接操作原始DataFrame的目标区域，不存在副本修改的问题，是Pandas官方推荐的赋值方式。

方法2：用numpy.where生成新列（非原地修改） #

如果需要保留原数据，或者希望生成新列，可以用np.where生成新的列值替换原列：

df['c2'] = np.where(df['c1'] == 32, np.nan, df['c2'])

这种方式通过计算新的列值覆盖原列，同样不会触发副本警告。

为什么你的代码复杂？ #

你之前的代码通过列表推导式转换索引位置，属于绕远路的写法——Pandas的.loc已经内置了行条件匹配和列定位的功能，完全不需要手动转换索引位置。

内容的提问来源于stack exchange，提问作者irh