基于DataFrame另一列条件替换指定列值并保留其余值

问题分析 #

你的代码存在两个核心问题：

1. map仅对B列单独处理，无法获取A列的原始值，当B不为X/Y时，自定义函数func没有返回值，导致这些位置被赋值为None，直接覆盖了A列原有内容。
2. 返回的'NULL'是字符串类型，并非DataFrame中标准的缺失值标识（通常用pd.NA或np.nan）。

解决方案 #

以下是几种高效的实现方式：

方法1：使用np.where（简洁高效，推荐）

通过条件判断直接完成替换，适合简单逻辑场景：

import numpy as np
import pandas as pd

# 假设你的DataFrame已创建
df['A'] = np.where(df['B'].isin(['X', 'Y']), pd.NA, df['A'])

逻辑说明：如果B列的值在['X','Y']范围内，将A列设为标准缺失值pd.NA；否则保留A列原始值。若你确实需要字符串格式的'NULL'，将pd.NA替换为'NULL'即可。

方法2：使用DataFrame.apply（逐行处理，适配复杂逻辑）

当需要更复杂的多列判断逻辑时，可采用逐行遍历的方式：

df['A'] = df.apply(lambda row: pd.NA if row['B'] in ['X', 'Y'] else row['A'], axis=1)

axis=1表示按行遍历数据，lambda函数根据每行的B值决定A列的最终取值。

方法3：使用掩码定位修改（性能最优）

通过布尔掩码精准定位需要修改的行，仅更新目标数据，大数据量下性能更优：

# 生成布尔掩码：标记B列值为X/Y的行
mask = df['B'].isin(['X', 'Y'])
# 仅对掩码为True的行修改A列值
df.loc[mask, 'A'] = pd.NA

验证结果 #

执行上述任意一种方法后，你的DataFrame会得到预期结果：

内容的提问来源于stack exchange，提问作者usr367