如何使用Pandas将DataFrame中非零值替换为对应行的Series值

你遇到的问题核心是当替换值是单列DataFrame时，无法直接和多列原DataFrame进行匹配替换，之前用a.where(a!=0,c)无效正是因为两者形状不兼容。下面给你几种简单有效的解决方案，完全符合你的需求：

首先先确认你的示例数据：

import pandas as pd

A = pd.DataFrame({'A':[1,6,0,0],'B':[0,0,1,0],'C':[1,0,3,0]},index=['X1','X2','X3','X4'])
B = pd.DataFrame({'A':{'X1':1.5,'X2':0.4,'X3':-1.1,'X4':5.2}})

方法1：利用np.where + 广播机制 #

numpy的广播特性可以自动把单列的B扩展成和A同形状的数组，完美解决形状不匹配的问题：

import numpy as np

C = pd.DataFrame(
    np.where(A != 0, B.loc[A.index].values, A),
    index=A.index,
    columns=A.columns
)

• np.where(A != 0, ...)：判断A中每个元素是否非零，是的话就取B对应行的值，否则保留A原有的0
• B.loc[A.index].values：确保B的索引和A完全对齐，然后转换成numpy数组触发广播，自动把单列数据重复到A的所有列

方法2：使用DataFrame.mask方法 #

mask是pandas中专门用于满足条件时替换值的方法，逻辑和where相反，用起来更直观：

C = A.mask(A != 0, B.loc[A.index].values)

这里的逻辑是：当A中的元素非零时，用B对应行的值替换它；否则保留A的原值，正好符合你的需求。

方法3：手动扩展B为同形状DataFrame #

如果想更清晰地看到替换的中间过程，可以先把B转换成和A列数相同的DataFrame，再进行替换：

# 将B的行值重复到A的所有列
B_broadcast = pd.DataFrame(
    np.tile(B.values, (1, len(A.columns))),
    index=A.index,
    columns=A.columns
)
# 用where完成替换
C = A.where(A == 0, B_broadcast)

运行以上任意一种方法，得到的C都会和你预期的结果完全一致：

A    B    C
X1  1.5  0.0  1.5
X2  0.4  0.0  0.0
X3  0.0 -1.1 -1.1
X4  0.0  0.0  0.0

内容的提问来源于stack exchange，提问作者Lymacro