Pandas如何原地对DataFrame符合条件的单元格执行减法运算

原代码出现非目标行变NaN的核心逻辑是：你通过布尔筛选取出的子集仅包含符合条件的行，对这个子集的rt列做减法后，返回的Series只保留了匹配行的索引，将这个Series直接赋值给整列df['rt']时，pandas会自动按索引对齐，没有对应值的索引位置会被填充为NaN，直接覆盖了原有值。
同时这种先切片再赋值的链式索引写法，会触发pandas的SettingWithCopyWarning，本身就不属于官方推荐的原地修改写法。

以下两种写法都支持原地修改目标单元格、保留非目标行原值，且可以非常方便地追加其他条件的计算规则，无需新建DataFrame：

• 方法1：loc定位修改（性能最优，首选）
  直接通过loc同时定位行筛选条件和目标列，在选中的单元格上直接执行运算，不会影响其他位置的数据：

  import pandas as pd
  
  # 构造示例数据
  data = {'subj': [1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 2,],
          'rt': [100, 102, 101, 100, 101, 101, 105, 105, 106, 104, 104, 106],
          'cond':['nov', 'std', 'std', 'emo', 'std', 'emo', 'nov', 'std', 'std',
                  'emo', 'std', 'emo']} 
  df = pd.DataFrame(data)
  
  # 对subj=1且cond=std的行，rt列原地减50
  df.loc[(df['subj'] == 1) & (df['cond'] == 'std'), 'rt'] -= 50
  

  后续需要新增其他计算规则时，直接追加loc语句即可，例如要给subj==2且cond=='emo'的rt值减30，只需要加一行：

  df.loc[(df['subj'] == 2) & (df['cond'] == 'emo'), 'rt'] -= 30
  

  运行后即可得到你预期的结果，非目标行的rt值完全保留。

• 方法2：mask条件替换（适合多规则链式调用）
  如果需要批量管理多组计算规则，可以用mask方法：满足条件的位置替换为计算后的值，不满足条件的位置默认保留原有值：

  # 单规则写法
  df['rt'] = df['rt'].mask(
      cond=(df['subj'] == 1) & (df['cond'] == 'std'),
      other=df['rt'] - 50
  )
  

  多规则可以直接链式调用mask，不需要额外生成中间变量。

执行上述代码后，输出的DataFrame和预期完全一致：

subj   rt cond
0      1  100  nov
1      1   52  std
2      1   51  std
3      1  100  emo
4      1   51  std
5      1  101  emo
6      2  105  nov
7      2  105  std
8      2  106  std
9      2  104  emo
10     2  104  std
11     2  106  emo

内容的提问来源于stack exchange，提问作者Jorgo