能否直接用numpy布尔矩阵对pandas DataFrame做掩码赋空值？

直接使用二维numpy布尔数组对DataFrame做元素级掩码可以使用以下几种方法，均无需将布尔矩阵转换为DataFrame：

方法1：使用DataFrame.where()（推荐，不修改原对象） #

where方法的逻辑是条件为True时保留原值，条件为False时替换为指定值，默认替换值为NaN，直接传入numpy布尔数组即可：

import pandas as pd
import numpy as np

df = pd.DataFrame(np.arange(9).reshape((3,3)), index=['a','b','c'])
b = np.ones((3,3), dtype=bool)
b[1,1] = False

result = df.where(b)

输出结果：

0    1    2
a  0.0  1.0  2.0
b  3.0  NaN  5.0
c  6.0  7.0  8.0

方法2：使用DataFrame.mask() #

mask是where的反向实现，逻辑为条件为True时替换值，传入取反后的布尔数组即可得到和上面完全一致的结果：

result = df.mask(~b)

方法3：直接赋值修改原对象 #

如果不需要保留原DataFrame的数据，可直接通过布尔索引赋值为空值：

df[~b] = np.nan

之前直接执行df[b]得到异常输出的原因：pandas 1.3.1版本中，直接将二维布尔数组传入方括号索引时，会先将布尔数组扁平化后匹配行索引，因此会生成重复的多行结果，不属于元素级掩码的正确用法。

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