当DataFrame中两列值相等时用0替换指定列值的实现需求

方法1：布尔索引（推荐，高效） #

直接通过布尔条件定位目标行，批量修改Marks2的值，适合处理大规模数据集：

import pandas as pd

# 初始化原始DataFrame
df1 = pd.DataFrame({'Name1':['A','B','A','B','B','C','C','C','E','E','E'],
                    'Name2':['A','B','D','C','D','D','A','B','A','B','C'],
                    'Marks2':['Nan','Nan',6,50, 88,'Nan',140,9,'Nan',65,70]})

# 定位Name1与Name2相等的行，将对应Marks2设为'0'
df1.loc[df1['Name1'] == df1['Name2'], 'Marks2'] = '0'

# 可选：将Marks2转为数值类型（把字符串'Nan'转为真正的NaN，方便后续数值计算）
df1['Marks2'] = pd.to_numeric(df1['Marks2'], errors='coerce')

print(df1)

方法2：apply逐行判断 #

如果需要更灵活的行级逻辑处理，可以用apply遍历每一行：

import pandas as pd

df1 = pd.DataFrame({'Name1':['A','B','A','B','B','C','C','C','E','E','E'],
                    'Name2':['A','B','D','C','D','D','A','B','A','B','C'],
                    'Marks2':['Nan','Nan',6,50, 88,'Nan',140,9,'Nan',65,70]})

# 逐行判断并替换值
df1['Marks2'] = df1.apply(lambda row: '0' if row['Name1'] == row['Name2'] else row['Marks2'], axis=1)

# 可选转换数值类型
df1['Marks2'] = pd.to_numeric(df1['Marks2'], errors='coerce')

print(df1)

最终结果 #

执行代码后得到的DataFrame如下：

说明 #

• 原始Marks2列存储的是字符串（含'Nan'字符串），如果不需要数值计算，可以跳过pd.to_numeric步骤，此时替换后的0为字符串类型。
• 布尔索引方法的执行效率远高于apply，优先推荐使用。

内容的提问来源于stack exchange，提问作者Jack