如何根据df2的布尔值将df1每行最后2列设为NA？

问题背景 #

现有如下DataFrame df1：

import pandas as pd
import numpy as np

df1 = pd.DataFrame(data={'col1': ['a', 'd', 'g', 'j'], 
                        'col2': ['b', 'c', 'i', np.nan], 
                        'col3': ['c', 'f', 'i', np.nan],
                        'col4': ['x', np.nan, np.nan, np.nan]},
                index=pd.Series(['ind1', 'ind2', 'ind3', 'ind4'], name='index'))

以及布尔Series df2：

df2 = pd.Series(data=[True, False, True, False],
                index=pd.Series(['ind1', 'ind2', 'ind3', 'ind4']))

需要实现：根据df2的布尔值，将df1中对应索引行的最后2列设置为NaN，最终得到如下结果：

解决方案 #

方法1：通用写法（适配任意列名） #

使用df1.columns[-2:]选取最后两列，结合loc和df2的布尔索引直接赋值：

df1.loc[df2, df1.columns[-2:]] = np.nan

这个方法不需要硬编码列名，即使后续df1的列数或列名变化，依然能精准定位最后两列。

方法2：指定列名写法（列名固定时使用） #

如果确定最后两列是col3和col4，可以直接指定列名列表：

df1.loc[df2, ['col3', 'col4']] = np.nan

验证结果 #

执行上述代码后，打印df1即可看到目标输出：

print(df1)

输出：

col1 col2 col3 col4
index                     
ind1      a    b  NaN  NaN
ind2      d    c    f  NaN
ind3      g    i  NaN  NaN
ind4      j  NaN  NaN  NaN

内容的提问来源于stack exchange，提问作者bltSandwich21