如何以另一DataFrame为行列参考保留目标DataFrame值并替换其余值

方案1：小数据量易读实现 #

逻辑简单直观，适合数据量不大的场景：

# 复制原df结构，先将所有值初始化为目标替换字符串"NaN"
res = df.copy()
res.loc[:, :] = "NaN"

# 遍历需要保留的坐标点，回填原始值
for idx, col in df_cross.itertuples(index=False, name=None):
    res.loc[idx, col] = df.loc[idx, col]

print(res)

方案2：大数据量向量化实现 #

全程无循环，性能更高，适合数据规模较大的场景：

# 将需要保留的行列组合转换为MultiIndex格式
keep_points = pd.MultiIndex.from_frame(df_cross)
# 堆叠DataFrame为Series后做索引匹配，不符合要求的位置替换为"NaN"后再展开回DataFrame
res = df.stack().where(df.stack().index.isin(keep_points), "NaN").unstack()

print(res)

注意事项 #

如果实际使用中行列索引是计算生成的浮点数，可能存在精度误差导致匹配失败，建议提前把df的索引、列名以及df_cross的两列数据都用round()统一保留相同小数位后再执行上述操作。

内容的提问来源于stack exchange，提问作者Romero_91