如何对Pandas DataFrame中满足col1>5的col1单元格执行除以2操作并保存？

嗨，我来帮你搞定这个需求！你想要只对col1列中大于5的单元格除以2，同时保留其他值不变，之前用apply+lambda踩坑了？没关系，这里有几种简单高效的方法：

方法1：布尔索引直接赋值（推荐，最高效） #

这是Pandas中处理条件赋值最常用也最快的方式，通过loc精准定位需要修改的单元格，只对目标区域操作：

import pandas as pd

# 初始化你的DataFrame
df = pd.DataFrame(data = {'col1' : [8, 6, 2, 2], 'col2' : [2, 2, 1, 1], 'col3' : [4, 4, 4, 4]})

# 筛选col1>5的行，对这些行的col1列执行除以2操作
df.loc[df['col1'] > 5, 'col1'] = df.loc[df['col1'] > 5, 'col1'] / 2

执行后df['col1']就会变成[4, 3, 2, 2]，完美符合你的期望！这种方式是向量化运算，比逐元素处理的apply快很多，大数据量下优势明显。

方法2：用你已经获取的索引来操作 #

既然你已经拿到了满足条件的行索引out，直接用它定位修改也可以：

out = df[df.col1 > 5].index
# 通过索引定位并修改
df.loc[out, 'col1'] = df.loc[out, 'col1'] / 2

这个逻辑和方法1本质一样，只是把条件筛选换成了直接用索引，结果完全相同。

为什么你之前的apply没成功？ #

如果你的apply写法是针对整个DataFrame逐行处理（比如加了axis=1），就会不小心修改整行数据。正确的apply用法应该是只针对col1列单独处理：

df['col1'] = df['col1'].apply(lambda x: x / 2 if x > 5 else x)

这样也能得到正确结果，但要注意：apply是逐元素遍历处理，数据量较大时性能不如布尔索引的向量化操作，所以更推荐前两种方法。

验证一下最终结果：

print(df['col1'])
# 输出：
# 0    4.0
# 1    3.0
# 2    2.0
# 3    2.0
# Name: col1, dtype: float64

完全符合你的预期！

内容的提问来源于stack exchange，提问作者Nigel