如何基于指定条件更新Pandas DataFrame已有列且不覆盖原有值？

没问题，你可以通过两种简单的方式实现只更新满足新条件的行，保留原有列的其他值，下面是具体方法：

方法1：使用np.where（和你之前创建列的方式一致） #

你可以再次调用np.where，把原列的值作为不满足条件时的返回值，这样就能实现局部更新：

df['NewColumn1'] = np.where(df['d'] > 1, 100, df['NewColumn1'])

原理很直观：当d列的值大于1时，把NewColumn1设为100；否则保持NewColumn1原来的数值不变，完全符合你“更新而非覆盖”的需求。

方法2：使用布尔索引直接赋值（更高效） #

如果你的数据集比较大，这种方法性能会更好——它直接定位到需要修改的行进行赋值，不需要生成整个新数组：

df.loc[df['d'] > 1, 'NewColumn1'] = 100

这里df.loc[df['d'] > 1, 'NewColumn1']精准选中了所有d>1的行对应的NewColumn1列，然后直接把这些位置的值设为100，其他行的原有值丝毫不受影响。

示例更新后的结果 #

按照你的示例数据，第1行的d值是1.927666（大于1），更新后的数据框会变成这样：

a  b         c         d  NewColumn1
0  A  C -0.668001 -0.434521   -0.668001
1  B  A  1.893248  1.927666    100.000000
2  C  B -2.145310  0.602808    1.000000
3  A  C  0.323770  0.966303    0.323770

内容的提问来源于stack exchange，提问作者SBad