如何在满足指定条件时替换Pandas DataFrame中原数据的指定值？

方法一：使用.loc结合replace（原地修改） #

利用.loc精准定位符合条件的行和PC_DK列，通过replace实现原地修改，直接作用于原DataFrame：

import numpy as np

# 定位目标行和列，原地替换NaN与1为88
df2.loc[condition, 'PC_DK'].replace({np.nan: 88, 1: 88}, inplace=True)

也可以写成赋值形式，效果完全一致：

df2.loc[condition, 'PC_DK'] = df2.loc[condition, 'PC_DK'].replace({np.nan: 88, 1: 88})

方法二：直接筛选赋值 #

先组合出更精准的目标条件（原条件 + PC_DK为NaN或1），再直接赋值：

# 组合目标条件：满足原筛选规则，且PC_DK是NaN或1
target_condition = condition & (df2['PC_DK'].isna() | (df2['PC_DK'] == 1))
# 原地修改数值
df2.loc[target_condition, 'PC_DK'] = 88

为什么之前的方法无法修改原DataFrame？ #

你之前用df2[condition]['PC_DK']属于链式索引（先取行子集再取列），pandas在这种场景下返回的通常是原DataFrame的副本而非视图，因此对df_condition的修改只会作用于副本，不会同步到原df2。而.loc是pandas推荐的索引方式，能确保操作直接作用于原DataFrame的视图，实现原地修改。

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