如何用Pandas基于多行列条件将合格课程标记为Superseded？

需求说明 #

需将满足以下全部条件的课程Result字段修改为Superseded：

• 该课程的Result为Pass
• Superseded_by列中的课程存在于当前记录的Course列中
• 被替代课程（Superseded_by对应课程）的Result也为Pass

原始数据 #

import pandas as pd

df = pd.DataFrame({
        'Course': ['A', 'B', 'C', 'D', 'E','F','G'],
        'Result': ['Pass', 'Fail', 'Pass', 'Fail', 'Pass','Fail','Pass'],
        'Superseded_by':['E','E','F','F','','','H']        
     })
print(df)

输出：

Course Result Superseded_by
0      A   Pass             E
1      B   Fail             E
2      C   Pass             F
3      D   Fail             F
4      E   Pass              
5      F   Fail              
6      G   Pass             H

高效实现方案 #

利用Pandas矢量化操作+字典映射，避免低效的跨行循环，代码如下：

# 构建课程到结果的映射字典，实现O(1)快速查询
course_result_map = df.set_index('Course')['Result'].to_dict()

# 生成三个条件的布尔掩码
condition1 = df['Result'] == 'Pass'
condition2 = df['Superseded_by'].isin(course_result_map)
condition3 = df['Superseded_by'].map(course_result_map) == 'Pass'

# 合并条件，批量修改符合要求的Result值
df.loc[condition1 & condition2 & condition3, 'Result'] = 'Superseded'

print(df)

输出结果：

Course      Result Superseded_by
0      A  Superceded             E
1      B        Fail             E
2      C        Pass             F
3      D        Fail             F
4      E        Pass              
5      F        Fail              
6      G        Pass             H

方案优势 #

• 字典映射实现O(1)复杂度的课程结果查询，比merge或apply循环效率高得多
• 布尔索引是Pandas原生矢量化操作，批量处理数据性能最优，适合大规模数据集

内容的提问来源于stack exchange，提问作者ic198