本文介绍如何使用 Pandas 的布尔索引与 .loc 安全地实现条件列值替换——例如，仅当 building:use 列值为 'residential' 时，将对应行的 building 列值替换为该值。
本文介绍如何使用 pandas 的布尔索引与 `.loc` 安全地实现条件列值替换——例如，仅当 `building:use` 列值为 `'residential'` 时，将对应行的 `building` 列值替换为该值。
在数据清洗和特征工程中，常需基于某列的条件动态更新另一列。Pandas 提供了高效、可读性强的向量化方法，避免循环，推荐使用 .loc 配合布尔掩码完成此类操作。
以下是一个完整示例：
import pandas as pd
# 构造原始 DataFrame
df = pd.DataFrame({
"building": ["industrial", "office", "police", "house", "church"],
"building:use": [None, None, None, None, "residential"]
})
# 创建副本，避免修改原数据
df2 = df.copy()
# 生成布尔索引：筛选出 building:use == 'residential' 的行
mask = df2["building:use"] == "residential"
# 使用 .loc 安全赋值：仅更新满足条件的行的 'building' 列
df2.loc[mask, "building"] = df2.loc[mask, "building:use"]
print(df2)
输出结果为：
building building:use 0 industrial None 1 office None 2 police None 3 house None 4 residential residential
✅ 关键要点说明：
- 始终优先使用 .loc：它明确指定行与列，避免链式赋值（SettingWithCopyWarning）风险；
- 布尔掩码复用更安全：先定义 mask = df2["building:use"] == "residential"，再用于 .loc 和右侧取值，确保行列对齐；
- 无需 .copy() 也可原地修改：若允许修改原 DataFrame，可直接对 df 操作（但建议保留原始数据，故推荐复制）；
- 支持空值（NaN/None）安全比较：== 在 Pandas 中对 None 或 np.nan 返回 False，因此不会误匹配缺失值——这正是本例中前四行保持不变的原因。
⚠️ 注意：不要使用 df[df["building:use"] == "residential"]["building"] = ... 这类链式写法，它可能触发警告或静默失败。务必通过 .loc 实现明确、可控的赋值。
掌握这一模式后，你可轻松扩展至多条件（如 & 组合）、多列更新或映射字典替换等场景。
