满足Type列指定条件时将Series Name列替换为np.nan的实现问题

问题场景 #

输入数据集：

Series Name     Type  
Food            ACG
Drinks          FEG
Food at Home    BON

需求：当Type列值为ACG或BON时，将Series Name列替换为np.nan或空白字符串。

原代码错误分析 #

你写的代码存在语法逻辑错误：

df.loc[((df['Type'] == 'ACG') | (df['Type'] == 'BON')),
                df['Series Name'].replace(np.nan)]

• loc的第二个参数应该是列名（字符串），而非df['Series Name'].replace(np.nan)这种返回Series的操作
• 代码未完成赋值动作，仅做了无效的索引定位

正确实现代码 #

方式1：使用loc定位赋值（最直观）

import pandas as pd
import numpy as np

# 构造示例数据
df = pd.DataFrame({
    'Series Name': ['Food', 'Drinks', 'Food at Home'],
    'Type': ['ACG', 'FEG', 'BON']
})

# 按条件替换为np.nan（Pandas默认显示为空白）
df.loc[df['Type'].isin(['ACG', 'BON']), 'Series Name'] = np.nan

# 若需替换为空白字符串而非nan，改为：
# df.loc[df['Type'].isin(['ACG', 'BON']), 'Series Name'] = ''

方式2：使用mask函数（更简洁）

mask函数会自动将满足条件的元素替换为指定值：

df['Series Name'] = df['Series Name'].mask(df['Type'].isin(['ACG', 'BON']), np.nan)

执行结果 #

替换为np.nan后，DataFrame显示如下：

Series Name Type
0             ACG
1       Drinks  FEG
2             BON

注：你给出的期望输出中Type=FEG的行也被替换，但根据需求描述应保留Drinks，上述代码严格按你的需求实现，若需调整条件可修改isin中的参数。

内容的提问来源于stack exchange，提问作者Linear17