Python：基于另一DataFrame非空值将目标DataFrame对应位置设为NaN

原始数据 #

df1：

ticker           A        B        C
date
2022-01-01       NaN      NaN      100
2022-01-02       NaN      200      NaN
2022-01-03       100      NaN      NaN
2022-01-04       NaN      NaN      120

df2：

ticker           A        B        C
date
2022-01-02       145      233      100
2022-01-03       231      200      241
2022-01-04       100      200      422
2022-01-05       424      324      222
2022-01-06       400      421      320

需求 #

将df2中所有与df1对应位置非空的单元格值设为np.nan，得到目标df3：

ticker           A        B        C
date
2022-01-02       145      NaN      100
2022-01-03       NaN      200      241
2022-01-04       100      200      NaN
2022-01-05       424      324      222
2022-01-06       400      421      320

Pythonic实现（无循环） #

直接利用Pandas原生向量化方法即可完成，两种简洁写法任选：

方法1：使用where

import numpy as np
import pandas as pd

# 假设df1、df2已提前定义
df3 = df2.where(df1.isna(), np.nan)

逻辑：保留df2中满足df1.isna()（df1对应位置为空）的值，不满足条件的位置替换为np.nan。

方法2：使用mask

df3 = df2.mask(df1.notna())

逻辑：当df1.notna()（df1对应位置非空）的条件成立时，自动将df2对应位置替换为NaN（mask默认替换值为NaN，无需额外指定）。

两种方法均为Pandas优化后的向量化操作，完全避免循环，执行效率远高于逐行逐列遍历。

内容的提问来源于stack exchange，提问作者MathMan 99