Pandas：如何按行求和条件修改DataFrame指定列的值

核心思路 #

先筛选出「Q1 24至Q4 24行和处于1-2.5区间」的行，再分别对前三列（Q1/Q2/Q3 24）和第四列（Q4 24）赋值，避免之前批量赋值导致的全列设为2的问题。

代码实现（结合iloc） #

假设你可以通过列名定位目标列的位置，或者已经知道列的索引：

步骤1：获取目标列的位置索引

如果不确定列的具体索引，用get_loc或get_indexer快速获取：

# 批量获取四个目标列的索引数组
target_cols_idx = df.columns.get_indexer(['Q1 24', 'Q2 24', 'Q3 24', 'Q4 24'])

# 或者单独获取每个列的索引
q1_idx = df.columns.get_loc('Q1 24')
q2_idx = df.columns.get_loc('Q2 24')
q3_idx = df.columns.get_loc('Q3 24')
q4_idx = df.columns.get_loc('Q4 24')

步骤2：生成条件掩码

计算目标列的行求和，筛选出符合区间的行：

# 计算Q1-Q4 24的行求和
row_sums = df.iloc[:, target_cols_idx].sum(axis=1)
# 生成布尔掩码，标记符合条件的行
mask = (row_sums >= 1) & (row_sums <= 2.5)

步骤3：精准修改指定列

用iloc定位行和列，分别赋值：

# 将Q1/Q2/Q3 24设为0
df.iloc[mask.values, target_cols_idx[:3]] = 0
# 将Q4 24设为2
df.iloc[mask.values, target_cols_idx[3]] = 2

补充说明 #

• 使用mask.values是为了避免索引对齐问题，确保iloc能精准识别需要修改的行；
• 如果目标列是连续排列的，也可以直接用切片（比如df.iloc[:, 6:10]）代替target_cols_idx，前提是你确认列的顺序和位置；
• 若习惯用列名操作，也可以用loc实现相同逻辑：

  df.loc[mask, ['Q1 24', 'Q2 24', 'Q3 24']] = 0
  df.loc[mask, 'Q4 24'] = 2
  

内容的提问来源于stack exchange，提问作者Lynn