Pandas处理DataFrame：删除指定列值大于500的行并替换区间值

你现有的两行代码逻辑清晰，调用的都是pandas原生矢量化操作，执行效率已经很高，属于非常不错的实现。如果想调整写法，可参考以下两种可选方案： #

方案1：方法链写法（更符合pandas最佳实践） #

避免使用inplace参数，降低链式赋值风险，同时支持链式调用其他处理逻辑：

df = df[df['Percent'] <= 500].assign(
    Percent=lambda x: x['Percent'].clip(upper=100)
)

方案2：合并条件判断写法 #

用numpy.where一次性完成值过滤和标记：

import numpy as np

# 大于500的数值标记为空后删除，剩余数值统一封顶100
df = df.assign(
    Percent=lambda x: np.where(x['Percent'] > 500, np.nan, x['Percent'].clip(upper=100))
).dropna(subset=['Percent'])

你之前尝试if/elif和lambda失败的核心原因是：普通Python条件判断是标量运算，无法直接作用于pandas Series对象；如果强行用apply配合lambda实现，本质是逐行遍历，性能会远低于原生矢量化操作，不推荐使用。

内容的提问来源于stack exchange，提问作者Andy Jensen