如何根据列表比较并替换DataFrame中的单个单元格值？（Pandas）

我来帮你分析下当前代码的问题，然后给出更靠谱的解决方案：

你的代码为什么出问题？ #

你写的两次where操作存在两个核心问题：

1. 逻辑覆盖冲突：两次操作都是基于原始的df数据，而不是已经处理过的df1中间结果。第一次把大于阈值的保留原值、其他替换成-1；第二次又把小于阈值的保留原值、其他替换成1——这就导致最终结果完全不符合预期，甚至会出现NaN（比如当单元格值等于阈值时，两次替换逻辑会互相覆盖）。
2. 冗余低效：手动创建全0的df1再循环赋值，不仅代码繁琐，还没利用pandas的向量化优势，效率很低。

正确的解决方案（向量化操作） #

我们可以利用pandas的广播特性，把阈值列表转成和DataFrame列匹配的Series，然后用np.where一次性完成所有替换，代码简洁又高效：

import pandas as pd
import numpy as np

# 初始化你的DataFrame
df = pd.DataFrame(np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]), columns=['a', 'b', 'c'])
# 调整后的阈值列表（匹配你期望的输出，原列表[100,100,100]会导致所有值小于阈值，结果全为-1）
list_numbers = [0, 6, 8]

# 把阈值列表转成Series，索引和df的列名一致，实现按列匹配的广播比较
thresholds = pd.Series(list_numbers, index=df.columns)

# 用np.where完成替换：大于阈值赋值1，否则赋值-1
result_array = np.where(df > thresholds, 1, -1)
df_result = pd.DataFrame(result_array, index=df.index, columns=df.columns)

print(df_result)

运行这段代码后，就能得到你期望的输出：

a  b  c
0  1 -1 -1
1 -1  1 -1
2  1 -1 -1

另一种可选方案（逐列apply） #

如果你习惯用循环类的逻辑，也可以用apply逐列处理，不过效率不如上面的向量化方法：

df_result = df.apply(
    lambda col, idx: np.where(col > list_numbers[idx], 1, -1),
    axis=0,
    args=(range(len(df.columns)),)
)

关键知识点 #

• pandas的广播机制：当Series的索引和DataFrame的列名匹配时，两者可以直接进行元素级的比较，不用手动循环列。
• np.where是向量化的条件替换工具，比循环+where方法高效得多，也更易维护。

内容的提问来源于stack exchange，提问作者user15362056