如何在Pandas DataFrame中对NumPy数组应用掩码？

问题背景 #

你现在有个包含掩码列表和数值数组列表的DataFrame，想实现类似np.where的筛选效果——用Mask列的布尔值挑出Array列对应位置的元素，得到预期的Result。但之前写的ffilter函数直接用entry['Array']['Mask']肯定行不通，因为原生列表不支持布尔索引。

先再明确下你的数据结构：

df = pd.DataFrame({
    'Mask' : [[True, False, True], [False, False], [True, True]],
    'Array' : [[2, 5,4] , [1, 0] , [4, 5]],
    'Result' : [[2, 4] , [] , [4,5]]
})

两种可行解决方案 #

方案1：原生Python列表推导式（简单直观） #

直接把每一行的Array和Mask元素一一配对，只保留掩码为True的数值：

def filter_row(row):
    # 遍历配对后的元素，筛选符合条件的数值
    return [val for val, mask in zip(row['Array'], row['Mask']) if mask]

# 应用到每一行，生成计算结果列
df['Calculated_Result'] = df.apply(filter_row, axis=1)

运行后Calculated_Result就和你预期的Result列完全一致，这种写法不需要依赖NumPy，对原生列表友好。

方案2：转NumPy数组实现类np.where逻辑 #

如果你更习惯用NumPy的布尔索引（和np.where思路一致），可以先把列表转成NumPy数组，筛选后再转回列表保持格式统一：

import numpy as np

def filter_with_np(row):
    arr = np.array(row['Array'])
    mask = np.array(row['Mask'])
    # 用布尔索引筛选后转回列表
    return arr[mask].tolist()

df['Calculated_Result'] = df.apply(filter_with_np, axis=1)

这个方法完全贴合你想用np.where类操作的需求，适合已经熟悉NumPy索引的场景。

为什么你之前的代码失效？ #

你写的entry['Array']['Mask']犯了一个基础错误：Python原生列表不支持用布尔列表作为索引，只有NumPy数组、Pandas Series/DataFrame这类结构才支持布尔索引。所以直接用列表去索引列表肯定会报错，必须先把元素配对遍历，或者转成支持布尔索引的结构再操作。

内容的提问来源于stack exchange，提问作者Laurent R