Python：如何根据同一DataFrame中另一列的值批量替换指定列内容

嘿，我完全懂你的需求啦——你希望每个患者（对应同一个caseid）的所有行里，把原本仅在某一行标记为1的那列（earlier_count/later_count/on_time_count），全部替换成该患者的caseid，其他列保持0对吧？咱们来一步步解决这个问题，先说说你之前尝试的代码为啥没成功，再给你高效的解决方案。

先分析你原代码的问题 #

你写的这段代码：

merged_2['earlier_count'].apply(lambda x: x if x == '0' else merged_2.loc[merged_2['caseid'] == x, 'caseid'].values[0])

逻辑上有个小问题：这里的x是earlier_count列里的0或1，当x=1时，你是在找caseid等于1的行，而不是当前行对应的那个患者的caseid，当然找不到正确的值啦。

高效解决方案 #

我们可以分两步走：先找出每个caseid对应的是哪一列有1，再批量给对应的列填充caseid。

步骤1：建立caseid与目标列的映射

首先，我们把数据“融化”一下，找出每个caseid对应的那个标记为1的列：

import pandas as pd

# 把三个计数列转成键值对，筛选出值为1的行
caseid_col_mapping = merged_2.melt(
    id_vars='caseid',
    value_vars=['earlier_count', 'later_count', 'on_time_count']
)
# 只保留值为1的行，建立caseid到对应列的映射
caseid_col_mapping = caseid_col_mapping[caseid_col_mapping['value'] == 1].set_index('caseid')['variable']

# （可选）如果存在同一caseid对应多个1的情况，取第一个匹配的列
caseid_col_mapping = caseid_col_mapping.groupby(level=0).first()

步骤2：批量替换列内容

接下来，我们先把三个计数列重置为0，再根据刚才的映射，给每个caseid对应的列填充caseid值：

# 先把三个计数列全部设为0
merged_2[['earlier_count', 'later_count', 'on_time_count']] = 0

# 遍历每个caseid和对应的目标列，填充值
for caseid, target_col in caseid_col_mapping.items():
    merged_2.loc[merged_2['caseid'] == caseid, target_col] = caseid

举个测试例子验证效果 #

假设你有这样的测试数据：

data = {
    'caseid': [361474, 361474, 361474, 123456, 123456],
    'earlier_count': [1, 0, 0, 0, 0],
    'later_count': [0, 0, 0, 1, 0],
    'on_time_count': [0, 0, 0, 0, 0]
}
merged_2 = pd.DataFrame(data)

运行上面的代码后，结果会变成：

完全符合你想要的效果！

备注：内容来源于stack exchange，提问作者Sapir Bar