Python 更改DataFrame中某些条件的值，并将其保存到新df，而不影响原始df

下面是一个例子。我将熊猫数据框写为一个列表，以便更容易阅读：

df_0 = [1,2,3]

我想将大于2的值更改为np.nan，并将新的数据帧保存为新变量df_1。最终结果：

df_0 = [1,2,3]
df_1 = [1,2,np.nan]

---

数据框中的列名是什么？比如说，它是

COL

。然后你可以做：

df_1 = df_0.copy()
df_1.loc[df_1['COL'] >= 2, 'COL'] = np.nan

---

数据框中的列名是什么？比如说，它是

COL

。然后你可以做：

df_1 = df_0.copy()
df_1.loc[df_1['COL'] >= 2, 'COL'] = np.nan

---

您只需在此处设置

掩码

df_1=df_0.mask(df_0>2)
df_1
Out[291]: 
0    1.0
1    2.0
2    NaN
dtype: float64
df_0
Out[292]: 
0    1
1    2
2    3
dtype: int64

---

您只需在此处设置

掩码

df_1=df_0.mask(df_0>2)
df_1
Out[291]: 
0    1.0
1    2.0
2    NaN
dtype: float64
df_0
Out[292]: 
0    1
1    2
2    3
dtype: int64

---

此外，还有一个关键字

，其中可以使用

df_0 = pd.Series([1,2,3])
df_1 = df_0.where(df_0 <= 2)

0    1.0
1    2.0
2    NaN
dtype: float64

df_0=pd.系列（[1,2,3]）
df_1=df_0。where（df_0此外，还有一个关键字
where
，您可以使用它

df_0 = pd.Series([1,2,3])
df_1 = df_0.where(df_0 <= 2)

0    1.0
1    2.0
2    NaN
dtype: float64

df_0=pd.系列（[1,2,3]）
df_1=df_0。其中（df_0