Python Pandas：基于另一DataFrame布尔条件替换值时保留无关列

直接用df1.mask(df2)会把df1中df2未包含的列（比如这里的C列）全部替换成NaN，要实现只对df2存在的列应用掩码、保留其他列原值，有两种简单可行的方法：

方法一：复制原表后针对指定列操作 #

先复制df1得到新的DataFrame，再仅对df2包含的列执行掩码操作：

import pandas as pd

df1 = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7,8,9]})
df2 = pd.DataFrame({'A': [True, False, True], 'B': [False, True, False]})

df3 = df1.copy()
# 仅对df2存在的列应用mask规则
df3[df2.columns] = df3[df2.columns].mask(df2)
print(df3)

输出结果：

A    B  C
0  NaN  4.0  7
1  2.0  NaN  8
2  NaN  6.0  9

方法二：掩码指定列后拼接保留原列 #

先对df1中与df2重叠的列做掩码处理，再和df1中未被掩码的列拼接：

import pandas as pd

df1 = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7,8,9]})
df2 = pd.DataFrame({'A': [True, False, True], 'B': [False, True, False]})

# 仅处理df2包含的列
masked_part = df1[df2.columns].mask(df2)
# 拼接保留原表的C列
df3 = pd.concat([masked_part, df1['C']], axis=1)
print(df3)

输出结果和上述方法一致。

两种方法都能精准控制掩码作用的列，避免误修改其他列的原始数据。

内容的提问来源于stack exchange，提问作者AB SEA