Pandas：如何基于对称DataFrame为另一DataFrame的所有值应用条件

一、对称DataFrame场景（行列完全匹配） #

你的原代码问题在于applymap的lambda参数是单个元素，无法直接关联qty_pct的对应位置。推荐用pandas向量化操作，效率更高且逻辑清晰：

方法1：布尔索引直接赋值 #

这是最简洁高效的实现方式，利用布尔掩码定位需要替换的位置：

import numpy as np
import pandas as pd

d = {'qty_pct': pd.DataFrame({ '2020':   [200, 0.5, 0.4],
                               '2021':   [0.9, 0.5, 500],
                               '2022':   [0.9, 300, 0.4]}),
     'price':   pd.DataFrame({ '2020':   [-6, -2, -9],
                               '2021':   [ 2,  3,  4],
                               '2022':   [ 4,  6,  8]})}

# 生成布尔掩码：标记qty_pct >=1 的位置
mask = d['qty_pct'] >= 1
# 对price对应位置赋值为0
d['price'][mask] = 0

print(d['price'])

输出结果符合预期：

2020  2021  2022
0     0     2     4
1    -2     3     0
2    -9     4     8

方法2：使用where方法 #

一行代码实现需求，逻辑与需求完全匹配：当qty_pct <1时保留price原值，否则替换为0：

d['price'] = d['price'].where(d['qty_pct'] < 1, 0)

二、非对称DataFrame场景（行列不完全匹配） #

若两个DataFrame的行/列标签不完全一致，需先对齐行列再操作，分两种处理逻辑：

场景1：对齐所有行列，缺失位置默认不替换 #

先通过align方法统一两个DataFrame的行列，缺失位置填充0（不影响>=1的判断），再进行替换：

# 构造非对称示例：qty_pct只有2行2列，price有3行3列
d_asym = {
    'qty_pct': pd.DataFrame({ '2020':   [200, 0.5],
                              '2021':   [0.9, 0.5]}),
    'price':   pd.DataFrame({ '2020':   [-6, -2, -9],
                              '2021':   [ 2,  3,  4],
                              '2022':   [ 4,  6,  8]})
}

# 对齐行列，缺失位置填充0
qty_aligned, price_aligned = d_asym['qty_pct'].align(d_asym['price'], fill_value=0)
# 生成掩码并替换
mask = qty_aligned >= 1
d_asym['price'] = price_aligned.where(~mask, 0)

print(d_asym['price'])

输出：

2020  2021  2022
0     0     2     4
1    -2     3     6
2    -9     4     8

场景2：仅在共同行列区域替换 #

如果只希望修改两个DataFrame行和列都匹配的位置，其他区域保留price原值：

# 获取共同的行和列标签
common_rows = d_asym['qty_pct'].index.intersection(d_asym['price'].index)
common_cols = d_asym['qty_pct'].columns.intersection(d_asym['price'].columns)

# 仅对共同区域生成掩码并替换
mask = d_asym['qty_pct'].loc[common_rows, common_cols] >= 1
d_asym['price'].loc[common_rows, common_cols] = d_asym['price'].loc[common_rows, common_cols].where(~mask, 0)

内容的提问来源于stack exchange，提问作者Phil P.