如何在Pandas中高效逐行逐列正确递增非A1值？

针对你的需求，我们可以用pandas的矢量化操作替代逐行循环，大幅提升处理效率，具体实现逻辑如下：

核心思路 #

1. 标记出所有非"A1"的单元格；
2. 计算每行从左到右的非"A1"元素累积数量；
3. 非"A1"单元格的目标值为A + (1 + 累积数量)，"A1"单元格保持不变；
4. 合并结果得到最终DataFrame。

代码实现 #

import pandas as pd

# 原始数据
data = {'column1': ['A1', 'A1', 'A1', 'A1'],
        'column2': ['A2', 'A1', 'A2', 'A6'],
        'column3': ['A1', 'A3', 'A3', 'A3'],
        'column4': ['A4', 'A4', 'A1', 'A4'],
        'column5': ['A5', 'A5', 'A5', 'A5']}
df = pd.DataFrame(data)

# 1. 生成非"A1"的掩码
non_a1_mask = ~(df == 'A1')

# 2. 计算每行非"A1"元素的累积计数（从左到右）
cum_non_a1_count = non_a1_mask.cumsum(axis=1)

# 3. 生成非"A1"单元格的目标值
replaced_values = 'A' + (1 + cum_non_a1_count).astype(str)

# 4. 合并结果："A1"保留原值，其他用生成的目标值
result_df = df.where(df == 'A1', replaced_values)

# 输出结果
print(result_df)

运行结果 #

column1 column2 column3 column4 column5
0      A1      A2      A1      A3      A4
1      A1      A1      A2      A3      A4
2      A1      A2      A3      A1      A4
3      A1      A2      A3      A4      A5

这种方法完全基于pandas的内置矢量化函数，避免了逐行循环，处理大数据量时性能优势明显。

内容的提问来源于stack exchange，提问作者Led