如何修改DataFrame中特定标签对应的Sentiment_Score列值？

我有如下DataFrame：

希望将所有标签为Disappointed的Sentiment_Score值用1减去，得到如下目标输出：

我曾尝试用groupby()拆分数据到不同列，但产生的NaN值导致后续计算困难，且希望保留原有列结构。对应的DataFrame初始化代码如下：

import pandas as pd

df = pd.DataFrame({
    'Sentiment_Label': ["Satisfied", "Disappointed", "Satisfied", "Satisfied", "Disappointed"],
    'Sentiment_Score': [0.882621, 0.826413, 0.893627, 0.863469, 0.982447],
})

不需要使用groupby()，直接通过条件筛选修改指定行的值即可，以下是几种简洁的实现方式：

方法1：使用loc直接定位修改 #

通过布尔索引筛选出Sentiment_Label为Disappointed的行，直接计算赋值：

df.loc[df['Sentiment_Label'] == 'Disappointed', 'Sentiment_Score'] = 1 - df.loc[df['Sentiment_Label'] == 'Disappointed', 'Sentiment_Score']

方法2：使用where方法 #

where会保留满足条件的值，对不满足条件的行替换为指定表达式结果：

df['Sentiment_Score'] = df['Sentiment_Score'].where(df['Sentiment_Label'] != 'Disappointed', 1 - df['Sentiment_Score'])

方法3：使用mask方法 #

mask和where逻辑相反，对满足条件的行替换为指定表达式结果：

df['Sentiment_Score'] = df['Sentiment_Score'].mask(df['Sentiment_Label'] == 'Disappointed', 1 - df['Sentiment_Score'])

以上三种方法都能在保留原有DataFrame结构的前提下完成需求，不会产生NaN值。

内容的提问来源于stack exchange，提问作者Faraz Khan