如何对Pandas DataFrame特定行列执行有效的inplace原地修改？

问题原因 #

当用整数列表（比如[1,2]、[0,1]）通过loc切片DataFrame时，Pandas返回的是数据的副本而非原数据的视图。这时调用clip(inplace=True)只会修改临时副本，原DataFrame不会受到影响。

可行的原地修改方案 #

方案1：直接赋值（最直观）

跳过inplace参数，直接将clip处理后的结果赋值回原DataFrame的目标位置：

import pandas as pd

df = pd.DataFrame([[1, 1, -1],[-1, 1, 1],[-1, -1, 1]])
# 处理目标行列并赋值回去
df.loc[[1, 2], [0, 1]] = df.loc[[1, 2], [0, 1]].clip(lower=0)

执行后原df会更新为：

0  1  2
0  1  1 -1
1  0  1  1
2  0  0  1

方案2：用mask/where直接替换负值

通过条件判断定位负值，直接替换为0：

# 把目标区域中小于0的值替换成0
df.loc[[1,2], [0,1]] = df.loc[[1,2], [0,1]].mask(df.loc[[1,2], [0,1]] < 0, 0)

或用where（逻辑相反：保留满足条件的值，替换不满足的）：

df.loc[[1,2], [0,1]] = df.loc[[1,2], [0,1]].where(df.loc[[1,2], [0,1]] >= 0, 0)

方案3：借助numpy的clip函数

利用numpy的向量化操作直接修改：

import numpy as np

df.loc[[1,2], [0,1]] = np.clip(df.loc[[1,2], [0,1]], a_min=0, a_max=None)

补充说明 #

如果你的行/列索引是连续区间（比如选行1到2、列0到1），可以用切片语法df.loc[1:2, 0:1]，此时Pandas返回的是视图，clip(inplace=True)会直接生效。但针对非连续的整数列表索引，必须通过赋值方式才能修改原数据。

内容的提问来源于stack exchange，提问作者LucG