无需迭代：按指定DataFrame条件匹配行列批量置零的实现方法

现有两个Pandas DataFrame：

• condition DataFrame，数据结构如下：

0    [3, 4]
1       [2]

• df2初始数据如下：

1         2       3         4  
0  0.275464  0.275404  0.2782  0.273485  
1  0.275464  0.275404  0.2782  0.273485 

需求是将df2中对应位置设置为0：第0行的3、4列，第1行的2列，最终df2需变为：

1         2       3         4  
0  0.275464  0.275404  0.0000  0.0000  
1  0.275464  0.000000  0.2782  0.273485 

询问是否存在无需遍历行的高效实现方式？

当然有，以下两种基于Pandas矢量化操作的方法可以高效完成需求：

方法一：通过explode构造坐标掩码 #

先将condition中的列列表展开为行号-列号的配对，再构造布尔掩码批量赋值：

import pandas as pd

# 构造示例数据
condition = pd.DataFrame({'cols': [[3,4], [2]]})
df2 = pd.DataFrame({
    1: [0.275464, 0.275464],
    2: [0.275404, 0.275404],
    3: [0.2782, 0.2782],
    4: [0.273485, 0.273485]
})

# 展开列列表并保留原行号
idx_col_pairs = condition.explode('cols').reset_index()
# 初始化全False的掩码矩阵
mask = pd.DataFrame(False, index=df2.index, columns=df2.columns)
# 将需要置0的位置标记为True
mask.loc[idx_col_pairs['index'], idx_col_pairs['cols']] = True
# 批量赋值为0
df2[mask] = 0

方法二：利用apply生成行级掩码 #

通过apply为每行生成对应需要置0的列的掩码，再用mask方法批量替换：

import pandas as pd

# 构造示例数据
condition = pd.DataFrame({'cols': [[3,4], [2]]})
df2 = pd.DataFrame({
    1: [0.275464, 0.275464],
    2: [0.275404, 0.275404],
    3: [0.2782, 0.2782],
    4: [0.273485, 0.273485]
})

# 为每行生成需要置0的列的布尔掩码
row_mask = condition['cols'].apply(lambda cols: df2.columns.isin(cols))
# 将掩码对应的位置替换为0
df2 = df2.mask(row_mask, 0)

这两种方法都利用了Pandas的矢量化运算特性，避免了显式的行遍历，在数据量较大时性能优势明显。

内容的提问来源于stack exchange，提问作者John Tan