如何基于行索引统计量替换DataFrame中的数值？

原始数据构建 #

用户的DataFrame构建代码如下：

import pandas as pd

l1 = [1,2,3,4,5,6,7,8,9,10]
l2 = [11,12,13,14,15,16,17,18,19,20]
index = ['FORD','GM']
df = pd.DataFrame(l1,l2).reset_index().T
df.index = index

需求说明 #

对每行数据执行替换规则：

• 若数值小于该行均值减2，替换为'MINI'
• 否则替换为'MEGA'

实现方案 #

方法1：广播运算（推荐，性能更优） #

通过计算每行阈值，利用广播实现元素级对比替换：

# 计算每行的阈值（均值减2）
row_thresholds = df.mean(axis=1) - 2
# 两次where实现双条件替换
result_df = df.where(df >= row_thresholds[:, None], 'MINI').where(df < row_thresholds[:, None], 'MEGA')

方法2：逐行apply处理 #

自定义函数处理每行数据：

def process_row(row):
    threshold = row.mean() - 2
    return row.map(lambda x: 'MINI' if x < threshold else 'MEGA')

result_df = df.apply(process_row, axis=1)

输出结果 #

最终result_df的内容与期望一致：

内容的提问来源于stack exchange，提问作者Yash