有效地将一列中的值替换为另一列Pandas DataFrame

有效地将一列中的值替换为另一列Pandas DataFrame

使用起来

np.where

更快。使用与您使用类似的模式

replace

：

df['col1'] = np.where(df['col1'] == 0, df['col2'], df['col1'])df['col1'] = np.where(df['col1'] == 0, df['col3'], df['col1'])

但是，使用嵌套

np.where

稍微快一点：

df['col1'] = np.where(df['col1'] == 0, np.where(df['col2'] == 0, df['col3'], df['col2']),df['col1'])

时机

使用以下设置来产生更大的示例Dataframe和计时函数：

df = pd.concat([df]*10**4, ignore_index=True)def root_nested(df):    df['col1'] = np.where(df['col1'] == 0, np.where(df['col2'] == 0, df['col3'], df['col2']), df['col1'])    return dfdef root_split(df):    df['col1'] = np.where(df['col1'] == 0, df['col2'], df['col1'])    df['col1'] = np.where(df['col1'] == 0, df['col3'], df['col1'])    return dfdef pir2(df):    df['col1'] = df.where(df.ne(0), np.nan).bfill(axis=1).col1.fillna(0)    return dfdef pir2_2(df):    slc = (df.values != 0).argmax(axis=1)    return df.values[np.arange(slc.shape[0]), slc]def andrew(df):    df.col1[df.col1 == 0] = df.col2    df.col1[df.col1 == 0] = df.col3    return dfdef pablo(df):    df['col1'] = df['col1'].replace(0,df['col2'])    df['col1'] = df['col1'].replace(0,df['col3'])    return df

我得到以下计时：

%timeit root_nested(df.copy())100 loops, best of 3: 2.25 ms per loop%timeit root_split(df.copy())100 loops, best of 3: 2.62 ms per loop%timeit pir2(df.copy())100 loops, best of 3: 6.25 ms per loop%timeit pir2_2(df.copy())1 loop, best of 3: 2.4 ms per loop%timeit andrew(df.copy())100 loops, best of 3: 8.55 ms per loop

我尝试计时您的方法，但是它已经运行了几分钟，但没有完成。作为比较，仅对6行示例Dataframe（而不是上面测试的较大行）计时您的方法就花费了12.8
ms。