如何在Pandas中对多列应用条件替换值

方法一：循环列复用原有逻辑 #

你已经获取了目标列集合cols，只需要遍历这些列，对每一列执行你写好的替换逻辑即可：

cols = te_matrix.filter(like='P1-').columns
for col in cols:
    te_matrix[col] = te_matrix.apply(lambda row: row['family'] if row[col] > 0 else row[col], axis=1)

这个方式逻辑和你实现的单列代码完全一致，简单直观，适合数据量不大的场景。

方法二：向量化操作（更高效） #

如果数据集较大，逐行apply的效率偏低，推荐用numpy的向量化操作批量处理，性能提升明显：

import numpy as np

cols = te_matrix.filter(like='P1-').columns
# 将family列转为二维数组，匹配目标列的形状
family_vals = te_matrix['family'].values[:, np.newaxis]
# 批量替换所有目标列中大于0的值
te_matrix[cols] = np.where(te_matrix[cols] > 0, family_vals, te_matrix[cols])

这里利用np.where对整个目标列区域进行条件判断，一次性完成替换，避免了逐行循环的开销。

内容的提问来源于stack exchange，提问作者emor