Pandas使用布尔索引将df2匹配行的power_kwh列值替换为0

核心实现思路 #

多数实现报错的根源是布尔掩码rowswithnan与df2的索引不对齐——两者来源不同时，索引不一定是一一对应的连续整数序列，直接传入掩码做索引会触发长度不匹配、赋值错位的问题。
实现分两步操作，完全规避报错：

• 对齐掩码与df2的索引：用reindex将掩码的索引规则强制匹配到df2的行索引上，同时把掩码中的空值补为False，避免布尔类型不匹配的报错
• 用单步定位的.loc方法筛选匹配行，对power_kwh列批量赋值0

完整可运行代码 #

import pandas as pd

# 构造示例布尔掩码
rowswithnan = pd.Series([False, True, True, False], index=[0,1,2,3])
# 构造示例待处理df2
df2 = pd.DataFrame({
    "plant_name": ["AREC", "AREC", "AREC", "AREC"],
    "power_kwh": [32963.4, 35328.2, 37523.6, 36446.0],
    "hour": [23,22,21,20],
    "day": [31,31,31,31],
    "month": [12,12,12,12],
    "year": [2020,2020,2020,2020]
})

# 核心赋值逻辑
mask = rowswithnan.reindex(df2.index).fillna(False)
df2.loc[mask, "power_kwh"] = 0

运行后输出结果和需求完全匹配：

plant_name  power_kwh  hour  day  month  year
0       AREC    32963.4    23   31     12  2020
1       AREC        0.0    22   31     12  2020
2       AREC        0.0    21   31     12  2020
3       AREC    36446.0    20   31     12  2020

注：因为原power_kwh列为浮点类型，赋值后显示为0.0，和需求中的0数值等价，如需整数展示可对列做类型转换，不影响赋值逻辑

高频报错原因说明 #

• 未对齐索引直接赋值：当rowswithnan的来源df做过行过滤、索引被修改时，掩码的索引序列和df2不匹配，直接传入会触发IndexingError，强制用reindex对齐可彻底解决
• 链式索引赋值失效：如果写成df2[mask]["power_kwh"] = 0，会触发SettingWithCopyWarning，赋值不会真正写入原df2，必须用.loc[行筛选条件, 目标列]的单步定位写法
• 掩码存在非布尔值：如果生成rowswithnan的过程中引入了NaN值，直接做布尔索引会触发类型错误，通过fillna(False)把空值替换为默认不赋值的逻辑即可解决

内容的提问来源于stack exchange，提问作者user2100039