如何定位两DataFrame相减为负的坐标并替换原df对应值为0

你写的find_negative函数已经能正确返回所有负值对应的(行索引, 列名)坐标，只需要遍历返回的坐标列表，逐位置给原df赋值为0即可，完整可运行代码如下：

import pandas as pd

# 原始数据
df = pd.DataFrame([[1, 5, 1], [2, 6, 2], [3, 7, 3], [4, 8, 4]])
df2 = pd.DataFrame([[1, 5, 10], [3, 6, 2], [1, 9, 3], [4, 8, 4]])

# 计算差值
df_sub = df - df2

# 查找负值坐标的自定义函数
def find_negative(df):
  coordinates = []
  for column in df.columns:
    for index in df.index:
      if df.loc[index, column] < 0:
        coordinates.append((index, column))
  return coordinates

# 获取所有负值坐标
neg_positions = find_negative(df_sub)

# 遍历坐标完成值替换
for row_idx, col_name in neg_positions:
    df.loc[row_idx, col_name] = 0

执行后打印df，就能得到你预期的结果：

0  1  2
0  1  5  0
1  0  6  2
2  3  0  3
3  4  8  4

更高效的简化写法 #

如果不想写双层循环遍历，可以直接用pandas内置的mask方法一步完成替换，不需要自定义坐标查找函数，运行效率更高：

# 差值小于0的位置替换为0，其余位置保留原值
df = df.mask(df - df2 < 0, 0)

运行结果和上面的写法完全一致。

内容的提问来源于stack exchange，提问作者EVS_93