如何结合Pandas .iloc与布尔索引修改DataFrame指定位置值？

需求回顾 #

需要对DataFrame完成两处精准修改：

• 第2列（列索引1）的前4行（行索引0-3）设为NaN
• 第3列（列索引2）的前2行（行索引0-1）设为NaN

错误原因分析 #

你尝试的df.loc[(:2,1:) & (2:4,1)]存在语法错误：Python不支持括号内直接写:的切片语法，且loc是基于标签的索引方式，此处用整数位置索引的iloc会更直接适配需求。

最简实现方法 #

方法1：使用iloc（推荐，基于整数位置定位）

iloc专门用于按整数位置（行/列的顺序索引，从0开始）访问数据，语法简洁且完全匹配位置修改需求：

import pandas as pd
import numpy as np

# 生成示例DataFrame
df = pd.DataFrame(np.random.standard_normal((7,3)))

# 修改列1（索引1）的行0-3为NaN（iloc切片左闭右开，0:4对应行0、1、2、3）
df.iloc[0:4, 1] = np.nan
# 修改列2（索引2）的行0-1为NaN
df.iloc[0:2, 2] = np.nan

print(df)

方法2：使用loc（当行索引为默认整数时适用）

如果你的行索引是默认的连续整数，也可以用loc通过标签范围定位：

df.loc[0:3, 1] = np.nan  # loc的标签切片是左闭右闭，0:3包含行0到3
df.loc[0:1, 2] = np.nan

说明 #

无需将DataFrame转为numpy数组，pandas自带的索引方法已经足够简洁高效，上述两种方法都能快速实现你要的修改效果。

内容的提问来源于stack exchange，提问作者Mehdi Rezzag Hebla