如何最快替换DataFrame中John行的所有数值为0？

原始数据 #

Name English Maths City
Hdhdn  65    50   Xyz
Hdhdhd 70.6    45   Abc
John   67.4    46   Ydh

需求 #

将df1中Name为John的行的所有数值型字段值替换为0，期望结果：

Name English Maths City
Hdhdn  65    50   Xyz
Hdhdhd 70.6    45   Abc
John    0    0   Ydh

最快实现方法 #

使用pandas的矢量化索引操作是效率最高的方案，底层基于C实现，避免Python级别的循环，数据量越大优势越明显：

步骤1：构造DataFrame（未初始化时执行） #

import pandas as pd

data = {
    'Name': ['Hdhdn', 'Hdhdhd', 'John'],
    'English': [65, 70.6, 67.4],
    'Maths': [50, 45, 46],
    'City': ['Xyz', 'Abc', 'Ydh']
}
df1 = pd.DataFrame(data)

步骤2：核心替换操作 #

# 定位Name为John的行，筛选所有数值型列并赋值为0
df1.loc[df1['Name'] == 'John', df1.select_dtypes(include=['number']).columns] = 0

代码说明 #

• df1['Name'] == 'John'：通过布尔索引精准定位目标行
• df1.select_dtypes(include=['number'])：自动筛选所有数值类型的列（int、float等），无需手动指定列名，通用性强
• .loc：基于标签的索引，直接对目标区域赋值，是pandas中效率最高的修改方式之一

若已明确数值列名称，也可直接指定列名，效率相当但通用性稍弱：

df1.loc[df1['Name'] == 'John', ['English', 'Maths']] = 0

验证结果 #

执行后打印df1即可得到期望输出。

内容的提问来源于stack exchange，提问作者MDJ