如何在Pandas DataFrame中按同行列A值替换列B值且保留全量数据

你遇到的问题根源在于直接筛选出A=1的行并覆盖原DataFrame，导致其他行被丢弃。要实现只修改指定条件的行且保留所有数据，有两种简洁的方法：

方法1：使用loc结合replace #

通过loc定位到A=1的行和B列，对这部分数据单独替换后赋值回原DataFrame：

import pandas as pd

df = pd.DataFrame({'A': [0,0,0,1,1,0,0,1,1,0], 
                   'B': [99,1,0,99,99,1,1,99,99,99]})

# 仅修改A=1行中B列的99为0
df.loc[df['A'] == 1, 'B'] = df.loc[df['A'] == 1, 'B'].replace(99, 0)

运行后结果：

A   B
0  0  99
1  0   1
2  0   0
3  1   0
4  1   0
5  0   1
6  0   1
7  1   0
8  1   0
9  0  99

方法2：直接通过多条件定位修改 #

更高效的方式是同时定位"A=1"和"B=99"的行，直接将B列值设为0：

df.loc[(df['A'] == 1) & (df['B'] == 99), 'B'] = 0

这个方法无需额外调用replace，直接精准修改目标数据，性能更优。

为什么原代码会丢失数据？ #

原代码df = df[df['A']==1].replace({'B': {99: 0}})的逻辑是：

1. 先筛选出所有A=1的行，生成一个临时DataFrame
2. 对临时DataFrame做替换操作
3. 将临时DataFrame赋值给原df，覆盖了原本包含A=0行的DataFrame

这样自然会丢失A=0的所有行，而上面两种方法都是在原DataFrame上直接修改指定位置，不会影响其他行的数据。

内容的提问来源于stack exchange，提问作者Luke Haws