本文介绍如何使用 Pandas 的布尔索引与 .loc 安全地将一列中满足特定条件的值替换为另一列对应行的值，例如仅当 building:use 为 'residential' 时，用其值覆盖 building 列。
本文介绍如何使用 pandas 的布尔索引与 `.loc` 安全地将一列中满足特定条件的值替换为另一列对应行的值，例如仅当 `building:use` 为 `'residential'` 时，用其值覆盖 `building` 列。
在数据清洗与特征工程中，常需根据某列的条件值批量更新另一列。Pandas 提供了高效、可读性强的方式实现此类操作，核心在于条件筛选 + 显式索引赋值，避免链式赋值（SettingWithCopyWarning）风险。
以下是一个完整、健壮的实现方案：
import pandas as pd
# 构造示例数据
df = pd.DataFrame({
"building": ["industrial", "office", "police", "house", "church"],
"building:use": [None, None, None, None, "residential"]
})
# ✅ 推荐做法：创建副本，再基于条件安全替换
df2 = df.copy()
mask = df2["building:use"] == "residential" # 布尔掩码，自动处理 None（结果为 False）
df2.loc[mask, "building"] = df2.loc[mask, "building:use"]
执行后，df2 输出如下：
building building:use 0 industrial None 1 office None 2 police None 3 house None 4 residential residential
? 关键说明：
- mask = df2["building:use"] == "residential" 自动忽略 None/NaN（因 NaN == 'residential' 返回 False），无需额外 fillna() 或 isna() 处理；
- 使用 .loc[mask, col] 赋值是视图级安全操作，杜绝 SettingWithCopyWarning；
- 直接复用 mask 可读性更高，比先提取子集再索引更简洁（原答案中 df_res.index 步骤可省略）；
- 若需就地修改原 DataFrame，可将 df2 替换为 df，但建议保留原始数据，显式复制更符合函数式编程习惯。
? 扩展提示：
若需多条件（如 'residential' 或 'commercial'），可用 isin()：
mask = df2["building:use"].isin(["residential", "commercial"]) df2.loc[mask, "building"] = df2.loc[mask, "building:use"]
总之，基于布尔索引的 .loc 赋值是 Pandas 中条件列替换的标准、高效且推荐实践，兼顾准确性、可维护性与性能。
