本文介绍如何根据某列（如 put/call）的值，动态地将其他列（如 strikeprice、floatprice）的数据填充到目标列（fixedspread、floatspread），并最终精简 dataframe 结构。
本文介绍如何根据某列（如 put/call）的值，动态地将其他列（如 strikeprice、floatprice）的数据填充到目标列（fixedspread、floatspread），并最终精简 dataframe 结构。
在数据清洗与特征工程中，常需依据某一逻辑条件（如分类标签）重映射字段值。本例中，当 'Put/Call' 列值为 'Put' 时，需将 'StrikePrice' 的值覆盖至 'fixedspread'，将 'floatprice' 的值覆盖至 'floatspread'；其余行则保留原始 fixedspread 和 floatspread 值。该操作本质是条件性列赋值，核心在于避免显式循环，利用 Pandas 向量化方法高效实现。
推荐使用 DataFrame.mask() 方法，其语义清晰：对满足条件的位置，用新值替换原值。关键在于传入形状匹配的替代数组——此处通过 .values 获取源列（['StrikePrice', 'floatprice']）的 NumPy 数组，确保广播兼容性：
import pandas as pd
# 构造示例数据
df = pd.DataFrame({
'Put/Call': ['Put', 'Put', None, None],
'StrikePrice': [10, 10, 0, 0],
'fixedprice': [0, 0, 0, 0],
'floatprice': [20, 20, 0, 0],
'fixedspread': [0, 0, 13, 14],
'floatspread': [0, 0, 15, 16]
})
# 条件赋值：仅当 Put/Call == 'Put' 时，用 StrikePrice/floatprice 替换 fixedspread/floatspread
out = (df[['fixedspread', 'floatspread']]
.mask(df['Put/Call'].eq('Put'),
df[['StrikePrice', 'floatprice']].values)
)
print(out)
输出结果为：
fixedspread floatspread 0 10 20 1 10 20 2 13 15 3 14 16
✅ 注意事项：
- mask() 的 cond 参数必须返回布尔型 Series/DataFrame，且长度与目标 DataFrame 一致；df['Put/Call'].eq('Put') 自动处理 NaN（返回 False），符合预期。
- 使用 .values 是关键——它绕过 Pandas 索引对齐机制，按位置逐行赋值；若直接传入 DataFrame，可能因索引不匹配导致错误或静默失败。
- 最终只需保留两列，无需额外删除列：out 已是精简后的结果。若需链式操作，可追加 .reset_index(drop=True) 统一索引。
此方法简洁、高效、可读性强，适用于任意多列的条件批量映射场景。
