Pandas布尔索引赋值报mixed-types非np.nan值错误解决

• 你生成的mask是作用于整个DataFrame全列的布尔矩阵，逻辑上会同时匹配Expense（字符串类型）和Proportion（浮点数类型）两列的单元格，后续赋值操作会尝试把浮点类型的Proportion列也修改为字符串"Other"。
• 当你对包含多种数据类型的DataFrame做跨列布尔原地赋值时，如果传入的值不是np.nan，pandas无法自动处理不同类型列的类型兼容问题，就会抛出Cannot do inplace boolean setting on mixed-types with a non np.nan value错误。
• 就算不触发类型错误，这个全表匹配的逻辑也不符合需求：你只需要修改Expense列的值，完全不需要触碰Proportion列。

优先使用pandas官方推荐的.loc索引器赋值，逻辑最清晰，也不会触发链式索引警告：

# 筛选Proportion小于0.05的行，仅对这些行的Expense列做赋值
expense_overview.loc[expense_overview["Proportion"] < 0.05, "Expense"] = "Other"

执行后得到的结果符合预期：

如果习惯用序列方法，也可以用mask实现等价效果：

expense_overview["Expense"] = expense_overview["Expense"].mask(
    cond=expense_overview["Proportion"] < 0.05,
    other="Other"
)

内容的提问来源于stack exchange，提问作者Corazu