DataFrame.where() 介绍
DataFrame.where() 函数允许我们根据特定条件替换 DataFrame 中的值。它的核心逻辑是：在条件为 True 时保留原始值，而在条件为 False 时将其替换为其他值（例如 NaN 或自定义数值）。这是一种非常直观的数据筛选与清洗方式。
举个例子：
Python
import pandas as pd
import numpy as np
df = pd.DataFrame({‘A‘: [1, -2, 3], ‘B‘: [-1, 5, -6]})
res = df.where(df > 0)
print(res)
输出结果
A B
0 1.0 NaN
1 NaN 5.0
2 3.0 NaN
原理解析： 在 df.where(df > 0) 中，我们保留了所有大于 0 的值，而将不满足该条件（小于或等于 0）的值替换为了 NaN。
语法
> DataFrame.where(cond, other=nan, inplace=False, axis=None, level=None, errors=‘raise‘, try_cast=False)
参数说明：
描述
—
需要检查的条件（可以是布尔类型的 DataFrame 或 Series）
当条件为 False 时用于替换的值（默认为 NaN）
如果为 True，将直接在原 DataFrame 上进行修改
用于对齐条件的轴方向
用于多层索引 的匹配
如果为 ‘raise‘，遇到错误将抛出异常；如果为 ‘ignore‘，则忽略错误
尝试将结果转换回原始的数据类型返回值： 返回替换值后的 DataFrame（如果 INLINECODE7c2014a6，则返回 None）
示例
示例 1： 在这个例子中，我们将使用 other 参数把所有负数替换为 0。
Python
import pandas as pd
df = pd.DataFrame({‘A‘: [1, -2, 3], ‘B‘: [-1, 5, -6]})
res = df.where(df > 0, other=0)
print(res)
输出结果
A B
0 1 0
1 0 5
2 3 0
原理解析： where(df > 0, other=0) 保留了所有大于 0 的数值，并将所有负数替换为 0，正数保持不变。
示例 2： 这里我们演示如何直接修改原 DataFrame，将所有小于或等于 0 的值替换为 NaN。
Python
import pandas as pd
df = pd.DataFrame({‘A‘: [2, -3, 4], ‘B‘: [-5, 6, -7]})
df.where(df > 0, inplace=True)
print(df)
输出结果
A B
0 2.0 NaN
1 NaN 6.0
2 4.0 NaN
原理解析： 设置 INLINECODE7f3d9a21 会直接将更改应用到 INLINECODE0fac5795 变量上，无需再将结果赋值给一个新变量。
示例 3： 在本例中，我们将使用 Series 而不是完整的 DataFrame 来应用条件。
Python
import pandas as pd
df = pd.DataFrame({‘Score‘: [45, 85, 60, 30]})
condition = df[‘Score‘] >= 50
res = df.where(condition, other=‘Fail‘)
print(res)
输出结果
Score
0 Fail
1 85
2 60
3 Fail
原理解析： 只有大于等于 50 分的成绩被保留，其余分数均被替换为字符串 ‘Fail‘。
> 相关文章： DataFrame 详解