如何在Pandas中避免迭代，按条件更新指定列的值？

核心解决方案：矢量化定位赋值 #

不用迭代，直接利用Pandas的布尔索引+列名匹配实现批量更新，这是最符合Pandas设计理念的高效方式，底层基于numpy矢量化操作，性能远优于逐行迭代。

步骤与代码示例 #

1. 构造原始数据

import pandas as pd

df = pd.DataFrame({
    'key1': ['a1', 'b1', 'c1'],
    'key2': ['a2', 'b2', 'c2'],
    'col_name': ['col_1', 'col_3', 'col_1'],
    'bool': [0, 1, 1],
    'col_1': [5, 10, 5],
    'col_2': [10, 10, 15],
    'col_3': [20, 5, 5]
})

2. 执行更新操作

# 筛选出bool列等于1的行
update_mask = df['bool'] == 1
# 获取这些行中col_name指定的列名（Series类型，与行索引对齐）
target_cols = df.loc[update_mask, 'col_name']
# 批量赋值：定位到目标行和目标列，设置为100
df.loc[update_mask, target_cols] = 100

3. 验证结果
   执行后输出df，得到预期结果：

为什么这是最优解？ #

• 矢量化操作：Pandas的loc索引和布尔筛选都是底层基于numpy的C语言实现，避免了Python级别的逐行循环开销，数据量越大，性能优势越明显。
• 索引对齐：target_cols是与更新行索引完全对齐的Series，Pandas会自动匹配行和列的对应关系，精准定位需要更新的单元格，无需手动遍历。

内容的提问来源于stack exchange，提问作者user2973447