如何用Pandas工具将DataFrame中0值替换为对应首行值+1？

需要对表格进行特定规则的数值替换，且希望仅通过Pandas工具实现，避免返回ndarray及性能问题。

原始数据 #

转换规则 #

首行（reference行）以外的单元格，若值为0，则替换为对应列首行值+1，转换后目标表格如下：

目标结果 #

尝试过的代码 #

df = np.where(df[df == 0] == 0, df.iloc[0] + 1, df)

该代码返回ndarray而非DataFrame，且性能表现不佳。

Pandas实现方案 #

方法1：使用df.mask() #

mask()方法会将满足条件的元素替换为指定值，仅对首行以外的行做处理：

# 获取首行数据并加1，作为替换值
replace_values = df.iloc[0] + 1
# 对第2行及以后的行，将0替换为对应列的replace_values
df.loc[1:] = df.loc[1:].mask(df.loc[1:] == 0, replace_values)

方法2：使用df.replace()结合字典 #

先构建各列0值对应的替换字典，再针对指定行替换：

# 构建替换字典：键是列名，值是该列首行+1
replace_dict = {col: df[col].iloc[0] + 1 for col in df.columns if col != 'Object'}
# 对第2行及以后的行执行替换
df.loc[1:] = df.loc[1:].replace(0, replace_dict)

方法3：使用df.loc直接定位修改 #

通过布尔索引定位到需要修改的单元格，直接赋值：

# 获取首行加1的值
ref_plus_1 = df.iloc[0] + 1
# 定位首行以外且值为0的单元格，赋值为对应列的ref_plus_1
df.loc[df.index[1:], df.columns != 'Object'] = df.loc[df.index[1:], df.columns != 'Object'].apply(
    lambda x: x.where(x != 0, ref_plus_1[x.name])
)

以上三种方法均基于Pandas原生工具，会保留DataFrame结构，且性能优于np.where的写法，尤其是在处理大数据集时表现更稳定。

内容的提问来源于stack exchange，提问作者Daemon2017