如何在Pandas DataFrame中对列的子集执行计算并修改原数据

现有如下数据集（通过pd.wide_to_long生成）：

famid  birth  age   ht
0       1      1  one  2.8
1       1      1  two  3.4
2       1      2  one  2.9
3       1      2  two  3.8
4       1      3  one  2.2
5       1      3  two  2.9

需要仅修改df['ht']中满足df['age'] == 'one'的子集数据，且不新建列。尝试以下代码后数据未变化，还触发**"A value is trying to be set on a copy of a slice from a DataFrame"**警告：

df[df['age']=='one']['ht'] = df[df['age']=='one']['ht']*10**6

尝试过df.mask()和df.where()方法也未生效，求正确实现方式。

可复现数据集代码：

import pandas as pd

df = pd.DataFrame({
    'famid': [1, 1, 1, 2, 2, 2, 3, 3, 3],
    'birth': [1, 2, 3, 1, 2, 3, 1, 2, 3],
    'ht_one': [2.8, 2.9, 2.2, 2, 1.8, 1.9, 2.2, 2.3, 2.1],
    'ht_two': [3.4, 3.8, 2.9, 3.2, 2.8, 2.4, 3.3, 3.4, 2.9]
})
df = pd.wide_to_long(df, stubnames='ht', i=['famid', 'birth'], j='age',
                    sep='_', suffix=r'\w+')
df.reset_index(inplace = True)

问题根源 #

原代码用了链式索引df[df['age']=='one']['ht']，这种写法会返回原DataFrame的副本而非视图，对副本赋值不会影响原DataFrame，这就是数据没变化且触发警告的原因。

正确实现方法 #

方法1：使用.loc定位赋值（推荐） #

通过.loc直接定位到目标行和列，直接修改原DataFrame：

df.loc[df['age'] == 'one', 'ht'] *= 10**6

也可以写成展开形式：

df.loc[df['age'] == 'one', 'ht'] = df.loc[df['age'] == 'one', 'ht'] * 10**6

.loc是Pandas官方推荐的修改数据方式，能确保操作的是原DataFrame的视图，避免副本问题。

方法2：使用np.where替换 #

借助numpy.where根据条件生成新值，直接替换原列：

import numpy as np
df['ht'] = np.where(df['age'] == 'one', df['ht']*10**6, df['ht'])

方法3：正确使用mask/where #

之前用这两个方法没生效是因为未正确赋值，正确写法如下：

• mask：当条件为True时替换对应值

df['ht'] = df['ht'].mask(df['age'] == 'one', df['ht']*10**6)

• where：当条件为False时替换对应值，因此需要取反判断条件

df['ht'] = df['ht'].where(df['age'] != 'one', df['ht']*10**6)

内容的提问来源于stack exchange，提问作者vestland