Pandas如何基于多条件修改DataFrame中的多个列值

报错原因 #

你之前的写法触发KeyError，核心原因是df_csv[['A', 'B']] == ['car', 'plane']返回的是和选中列同形状的二维布尔DataFrame，而df.loc的行筛选参数要求传入一维布尔序列/数组，二维布尔对象无法被正确识别为行掩码，就会抛出键错误。
你之前掌握的单条件写法df_csv.loc[df_csv['X'] == 'train', ['A', 'B']] = ['t1', 't2']能正常运行，就是因为单条件判断返回的是一维布尔序列，符合loc的参数要求。

正确实现方式 #

场景1：要求多个条件同时满足（最常用） #

比如你要实现「A列值为'car'且B列值为'plane'时，把A、B两列对应值改为't1'、't2'」，直接用逻辑符连接多个单条件即可，注意每个独立条件必须用圆括号包裹，避免运算符优先级冲突：

df_csv.loc[(df_csv['A'] == 'car') & (df_csv['B'] == 'plane'), ['A', 'B']] = ['t1', 't2']

常用逻辑运算符对应写法：

• 多条件同时满足（逻辑与）：用&
• 满足任意一个条件即可（逻辑或）：用|
• 对条件取反（逻辑非）：用~

场景2：匹配列数较多时的简化写法 #

如果需要同时匹配的列数很多，逐列写&连接条件太繁琐，可以用eq搭配all生成一维行掩码，效果和上面逐条件写完全一致：

# 按行判断：A列匹配'car'、B列匹配'plane'，所有列都匹配则返回True
match_mask = df_csv[['A', 'B']].eq(['car', 'plane']).all(axis=1)
df_csv.loc[match_mask, ['A', 'B']] = ['t1', 't2']

注意：如果你的需求是「A列等于'car' 或者 B列等于'plane'就修改值」，只需要把上面代码里的&换成|，或者把简化写法里的.all(axis=1)换成.any(axis=1)即可。

内容的提问来源于stack exchange，提问作者Delloarc