如何仅为pandas DataFrame中apple分类的空location赋值Others且不影响其他分类

以下是可大规模落地的安全实现方案，核心逻辑是仅匹配 fruit_tag为apple且location为空 的行做修改，完全不会触及banana、watermelon分类的任何数据：

方案1：loc双条件赋值（最推荐） #

这是pandas官方推荐的原地修改方案，无链式赋值风险，性能足以支撑千万级行的数据集，内存占用极低。

# 适配示例中的空字符串场景
df.loc[(df['fruit_tag'] == 'apple') & (df['location'] == ''), 'location'] = 'Others'

# 如果实际场景中同时存在NaN类型的空值，可修改判断条件做兼容
df.loc[(df['fruit_tag'] == 'apple') & (df['location'].fillna('') == ''), 'location'] = 'Others'

注意：多条件组合时每个判断条件必须加括号，否则会因为运算符优先级问题报错。

方案2：assign生成新表（不修改原数据） #

如果需要保留原始DataFrame不做改动，可以用assign方法生成新的结果表，完全不影响原始数据：

new_df = df.assign(
    location=lambda x: x.apply(
        lambda row: 'Others' if row['fruit_tag'] == 'apple' and row['location'] == '' else row['location'],
        axis=1
    )
)

生产环境校验（可选） #

如果是批量跑生产任务，可以加简单的校验逻辑100%避免误改：

# 校验非apple分类的空location未被修改
assert df[df['fruit_tag'].isin(['banana','watermelon']) & (df['location'] == '')].shape[0] == 2
# 校验apple的空location已经被替换
assert df[(df['fruit_tag'] == 'apple') & (df['location'] == 'Others')].shape[0] == 1

内容的提问来源于stack exchange，提问作者codedancer