如何在Pandas/Python中基于A、B列条件将C列设为空值

首先指出你代码中的几个问题：

• iterrows()循环语句末尾缺少冒号，存在语法错误
• 循环内直接使用df['A']是对整列操作，而非针对当前遍历的行做判断
• 赋值操作误用了比较运算符==，应该用赋值运算符=
• 未导入numpy库却使用了np.nan

推荐方法：向量化布尔索引（Pandas最优实践） #

Pandas的核心优势是向量化操作，效率远高于逐行循环，直接用布尔索引定位目标行和列即可：

import pandas as pd
import numpy as np

df = pd.DataFrame({'A': [1, 4, 1, 4], 'B': [9, 2, 5, 3], 'C': [0, 0, 5, 3]})

# 用loc同时筛选满足条件的行和目标列，赋值为np.nan
df.loc[(df['A'] > 2) & (df['B'] == 3), 'C'] = np.nan

执行后，DataFrame中A列大于2且B列等于3的行，其C列值会被设为NaN。

逐行循环实现（不推荐，仅满足你的初始思路） #

如果一定要用逐行遍历的方式，修正后的代码如下：

import pandas as pd
import numpy as np

df = pd.DataFrame({'A': [1, 4, 1, 4], 'B': [9, 2, 5, 3], 'C': [0, 0, 5, 3]})

# iterrows()返回索引和行数据，需同时接收
for idx, row in df.iterrows():
    # 针对当前行的A、B列做判断
    if row['A'] > 2 and row['B'] == 3:
        # 通过索引定位到当前行的C列，赋值为np.nan
        df.loc[idx, 'C'] = np.nan

内容的提问来源于stack exchange，提问作者Cthulu