如何用行列索引列表替换DataFrame指定值？求无需转Numpy数组的方法

当然有更简洁的方案啦！你完全不需要把DataFrame转换成NumPy数组，Pandas本身就提供了直接操作指定行/列位置的工具，下面是几个实用的方法：

1. 使用df.iloc（推荐，批量高效） #

iloc是Pandas专门用于按整数位置选取行和列的工具，刚好匹配你用整数索引列表的场景，直接赋值就能完成修改：

import numpy as np
import pandas as pd
np.random.seed(42)
df = pd.DataFrame(np.random.randint(1, 11, (5, 5)).astype(np.float))
rows, cols = [0, 2], [1, 3]

# 直接用iloc选取指定位置并赋值
df.iloc[rows, cols] = np.nan

print(df)

运行后得到的结果和你转数组的方法完全一致：

0    1    2    3    4
0  7.0  NaN  8.0  5.0  7.0
1 10.0  3.0  7.0  8.0  5.0
2  4.0  8.0  8.0  NaN  6.0
3  5.0  2.0  8.0  6.0  2.0
4  5.0  1.0 10.0  6.0  9.0

这个方法的优势是代码简洁、效率高，完全不需要额外的数组转换步骤。

2. 循环使用df.iat（适合零散位置） #

如果你需要修改的位置比较零散，也可以用iat（针对单个整数位置）配合循环来实现：

for r, c in zip(rows, cols):
    df.iat[r, c] = np.nan

不过这种方法在批量修改时效率不如iloc，更适合少量位置的修改场景。

补充：如果是标签索引用df.loc #

如果你的DataFrame行/列是自定义标签（而非默认整数索引），可以用loc来按标签选取位置，用法和iloc类似：

# 假设df的行标签是['row0','row1','row2','row3','row4']，列标签是['col0','col1','col2','col3','col4']
rows_labels = ['row0', 'row2']
cols_labels = ['col1', 'col3']
df.loc[rows_labels, cols_labels] = np.nan

内容的提问来源于stack exchange，提问作者zwithouta