Pandas如何根据df1的0值批量更新df2对应位置元素

需求说明 #

两个结构（索引、列名、形状）完全一致的DataFrame对象df1和df2，更新规则：

• 若df1中某位置元素值为0，将df2对应位置元素设置为0
• df2其余位置保留原有值

实现方法 #

方法1：原生布尔掩码赋值（推荐，性能最优）

Pandas原生支持同形状布尔矩阵作为索引做批量赋值，无需逐列遍历或额外依赖，代码最简洁：

# 构造示例测试数据
import pandas as pd
df1 = pd.DataFrame({'A': [4,0,1], 'B': [0,2,4], 'C': [1,0,0]})
df2 = pd.DataFrame({'A': [1,9,1], 'B': [8,2,4], 'C': [1,7,6]})

# 核心逻辑：仅把df1值为0的对应位置的df2元素设为0
df2[df1 == 0] = 0

方法2：np.where向量化实现

和单表条件赋值的用法逻辑一致，注意需要手动还原原df2的索引和列名，避免元信息丢失：

import numpy as np
df2 = pd.DataFrame(
    np.where(df1 == 0, 0, df2),
    index=df2.index,
    columns=df2.columns
)

结果校验 #

两种方法执行后得到的df2完全符合预期：

注意：两种方法都要求df1和df2的索引、列顺序完全对齐，否则会因为索引不匹配出现赋值错位、NaN值问题，如果列顺序不一致可以先对齐列再执行操作。

内容的提问来源于stack exchange，提问作者xboxuser