Замените NaN внутри замаскированного фрейма данных

Если проверить, как это работает, пропущенные значения добавляются только для несовпадающих строк - Ложное значение в маске:

print (df.loc[mask1, 'a'])
1    2
3    4
Name: a, dtype: int64

Поэтому, если вы хотите заменить NaN, пропущенных значений нет, поэтому это невозможно:

print (df.loc[mask1, 'a'].fillna(0))
1    2
3    4
Name: a, dtype: int64

Если назначить столбец, то также должны быть созданы несоответствующие значения - и потому что панды понятия не имеют, что должно быть создано NaNs:

df['c'] = df.loc[mask1, 'a']
print (df)
   a  b    c
0  1  5  NaN <- False
1  2  6  2.0
2  3  7  NaN <- False
3  4  8  4.0

Поэтому, если нужно заменить NaN на 0, нужно numpy.where - если Trues передается значения из a, если False передается 0:

df['c'] = np.where(mask1, df['a'], 0)

print (df)
   a  b  c
0  1  5  0
1  2  6  2
2  3  7  0
3  4  8  4

Еще одна альтернатива пандам — Series.where:

df['c'] = df['a'].where(mask1, 0)
print (df)
   a  b  c
0  1  5  0
1  2  6  2
2  3  7  0
3  4  8  4

Все вместе:

some_dict = {'a': [1,2,3,4], 'b': [5,6,7,8],}
df = pd.DataFrame(some_dict)
mask1 = pd.Series([False, True, False, True])
df['c'] = np.where(mask1, df['a'], 0)

mask2 = pd.Series([True, False, False, False])
df['c'] += np.where(mask2, df['b'], 0)

print (df)
   a  b  c
0  1  5  5
1  2  6  2
2  3  7  0
3  4  8  4

Другая идея — использовать Series.add с fill_value=0:

some_dict = {'a': [1,2,3,4], 'b': [5,6,7,8],}
df = pd.DataFrame(some_dict)
mask1 = pd.Series([False, True, False, True])
df['c'] = df.loc[mask1, 'a']
print (df)
   a  b    c
0  1  5  NaN
1  2  6  2.0
2  3  7  NaN
3  4  8  4.0

mask2 = pd.Series([True, False, False, False])
df['c'] = df['c'].add(df.loc[mask2, 'b'], fill_value=0)
    
print (df)
   a  b    c
0  1  5  5.0
1  2  6  2.0
2  3  7  NaN
3  4  8  4.0

Старайтесь всегда сопоставлять индекс lvalue с индексом rvalue. В противном случае pandas делает все возможное, чтобы переиндексировать их перед выполнением вашей операции.

Кроме того, всегда явно устанавливайте для нового столбца какое-либо значение по умолчанию по вашему выбору, например. 0, прежде чем выполнять задания на шаг (это также даст вам правильное dtype).

Итак, конкретно:

some_dict = {'a': [1,2,3,4], 'b': [5,6,7,8],}
df = pd.DataFrame(some_dict)
mask1 = pd.Series([False, True, False, True])
df['c'] = 0
df.loc[mask1, 'c'] = df.loc[mask1, 'a']

mask2 = pd.Series([True, False, False, False])
df.loc[mask2, 'c'] += df.loc[mask2, 'b']

print(df)
   a  b  c
0  1  5  5
1  2  6  2
2  3  7  0
3  4  8  4