Pandas中mask对全DataFrame生效但.loc选中列无效？原因及是否为预期结果

现象复现 #

全DataFrame处理（正常生效）：

import pandas as pd
import numpy as np

dt = pd.DataFrame(np.random.randint(0,3,size=(10, 3)), columns=list('ABC'))
dt.mask(lambda x: x == 0, np.nan, inplace=True)
# 所有0被替换为np.nan，符合预期

选中部分列处理（无变化）：

dt = pd.DataFrame(np.random.randint(0,3,size=(10, 3)), columns=list('ABC'))
columns = list('BC')
dt.loc[:, columns].mask(lambda x: x == 0, np.nan, inplace=True)
# B、C列的0未被替换，原DataFrame无变化

原因解释 #

问题核心在于链式索引返回的对象是副本而非视图：

• 直接调用dt.mask(..., inplace=True)时，操作的是原DataFrame本身，修改会直接作用在原数据上。
• dt.loc[:, columns]返回的是原DataFrame中B、C列的临时副本（pandas中此类索引操作无法保证返回视图，多数场景下会生成副本），此时调用mask(inplace=True)仅修改这个临时副本，副本销毁后原DataFrame不受任何影响。

是否属于预期结果 #

这属于pandas的预期行为，并非bug。pandas的索引规则中，链式索引的副本/视图不确定性是明确的设计逻辑，目的是避免意外修改原数据的风险，官方文档也明确不推荐依赖链式索引修改原数据。

正确实现方式 #

如果要修改原DataFrame的指定列，可采用以下两种方式：

1. 直接对原DataFrame的指定列赋值，放弃inplace=True：

dt.loc[:, columns] = dt.loc[:, columns].mask(lambda x: x == 0, np.nan)

2. 在原DataFrame上直接使用mask并指定列的条件：

dt.mask(dt[columns] == 0, np.nan, inplace=True)

内容的提问来源于stack exchange，提问作者user305883