为DataFrame应用多条件mask时触发ValueError如何解决？

• 你读取的fits文件经astropy加载后默认返回掩码数组（MaskedArray），转成pandas DataFrame后仍保留了隐式掩码标记，直接使用&进行多条件布尔运算时，pandas无法对带隐式掩码的数组做逐元素逻辑判断，就会抛出布尔值歧义的错误。
• 虽然你已经给两个条件都加了括号，但是如果你的DataFrame是稀疏存储格式，&运算符默认会优先做整体布尔判断而非逐元素运算，也会触发该报错。

以下3种方案任选一种即可，按兼容性从高到低排序：

1. 用numpy的逐元素逻辑运算函数构造掩码，完全规避数组类型兼容和运算符优先级问题：

import numpy as np

link = 16.0
mask = np.logical_and(df <= link, df != 0.0)
df = df.where(mask, 1.0)

2. 加载fits文件时先把掩码数组转成普通数组，掩码位置填充为NaN后再转DataFrame：

from astropy.io import fits
import pandas as pd
import numpy as np

with fits.open('matrix_CEREBELLUM_large.fits') as data:
    # 掩码位置填充为NaN，消除隐式掩码标记
    arr = np.ma.filled(data[0].data, np.nan)
    df = pd.DataFrame(arr)

# 后续多条件运算就可以正常用&运算符了
link = 16.0
mask = (df <= link) & (df != 0.0)
df = df.where(mask, 1.0)

3. 直接用np.where完成数值替换，绕开DataFrame的where方法的兼容问题：

link = 16.0
df = pd.DataFrame(
    np.where((df <= link) & (df != 0.0), df, 1.0),
    columns=df.columns,
    index=df.index
)

内容的提问来源于stack exchange，提问作者8-Bit Borges