如何在Pandas中按条件修改DataFrame的行列数据？

方法一：使用loc条件索引（推荐） #

这是最直接高效的方式，通过布尔索引定位目标行，直接修改指定列的值：

1. 先构造示例数据：

import pandas as pd

# 构造输入DataFrame
data = {
    'Column A': [1, 2, 3, 4, 5, 6, 7, 8],
    'Column B': [1, 1, 1, 2, 2, 2, 1, 1]
}
df = pd.DataFrame(data)

2. 执行条件修改：

# 定位Column B>1的行，将对应Column A的值除以2
df.loc[df['Column B'] > 1, 'Column A'] /= 2

执行后打印df，即可得到预期结果：

Column A  Column B
0       1.0         1
1       2.0         1
2       3.0         1
3       2.0         2
4       2.5         2
5       3.0         2
6       7.0         1
7       8.0         1

方法二：使用numpy.where #

如果需要生成新列或避免原地修改，可使用numpy.where实现条件赋值：

import numpy as np

# 对Column A按条件赋值：满足Column B>1则除以2，否则保留原值
df['Column A'] = np.where(df['Column B'] > 1, df['Column A'] / 2, df['Column A'])

说明 #

• loc是Pandas原生的索引方式，针对DataFrame的批量操作性能更优，适合处理大数据集。
• 两种方法都能实现需求，可根据是否需要原地修改选择对应方式。

内容的提问来源于stack exchange，提问作者user16593576