如何基于条件修改多层索引DataFrame中指定列的值

我的多层索引DataFrame结构如下：

column 1   column 2   column 3
      user_id      date
       5678     2022-01-01    0.0        1.5          0.0
       6253     2022-01-14    0.0        NaN          2.0

该DataFrame包含大量行，我需要根据user_id是否在名为users的集合中，修改column 2的值。

我使用了以下代码但未生效：

for idx, row in df.iterrows():
  if idx[0] in users:
    row['column 2'] = 0  

当检查存在于users集合中的user_id时，其对应的column 2仍显示为NaN。我需要所有符合条件的user_id对应的column 2值都改为0。

代码失效原因 #

用iterrows()遍历时，row是原DataFrame行的副本而非引用，修改row内的值不会同步到原DataFrame，因此原数据没有任何变化。

高效解决方法（两种） #

针对多层索引的场景，推荐使用Pandas矢量化操作，比循环效率高得多：

1. 通过loc直接定位修改
   提取多层索引的user_id层级进行筛选，直接赋值：

df.loc[df.index.get_level_values('user_id').isin(users), 'column 2'] = 0

• 逻辑：df.index.get_level_values('user_id')取出所有user_id，isin(users)判断是否在目标集合内，loc定位这些行的column 2并赋值为0。

2. 使用mask方法替换
   若需保留不符合条件的行值不变，可使用mask：

df['column 2'] = df['column 2'].mask(df.index.get_level_values('user_id').isin(users), 0)

• 逻辑：mask会将满足条件的位置替换为指定值（此处为0），不满足条件的位置保持原值。

注意事项 #

对于包含大量行的DataFrame，iterrows()循环速度极慢，矢量化操作是Pandas的最优实践，既能保证效率，又能避免副本修改的问题。

内容的提问来源于stack exchange，提问作者AlinaAZ