如何在Pandas DataFrame中逐行列比对并按需更新值？

首先得明确：你需要先从原始数据里把fortuneId对应的文本内容、vocabId对应的文本内容单独提取出来——因为 pivot 后的表只存了 ratings 值，没有原始文本，没法直接做比对。

步骤1：提取文本映射 #

先读取原始数据，不要直接 pivot，先构建两个字典来存 ID 和对应文本的映射（假设你的原始 CSV 里，fortune 的文本列叫fortune_text，vocab 的文本列叫vocab_text，如果列名不一样，自行替换）：

import pandas as pd

# 读取原始数据
raw_df = pd.read_csv('combine.txt')

# 构建 fortuneId -> 对应文本的映射（去重避免重复条目）
fortune_text_map = raw_df.drop_duplicates('fortuenId').set_index('fortuenId')['fortune_text'].to_dict()
# 构建 vocabId -> 对应文本的映射
vocab_text_map = raw_df.drop_duplicates('vocabId').set_index('vocabId')['vocab_text'].to_dict()

步骤2：批量更新ratings值 #

用矢量化操作生成布尔掩码矩阵，标记需要更新的位置，比逐行逐列循环高效得多：

# 执行你原来的 pivot 操作
df = raw_df.pivot(index='fortuenId', columns='vocabId', values='ratings').fillna(0)

# 生成掩码：判断每个 fortune 文本是否包含在对应 vocab 文本中
update_mask = pd.DataFrame(
    [[fortune_text_map[fortune_id] in vocab_text_map[vocab_id] for vocab_id in df.columns] 
     for fortune_id in df.index],
    index=df.index,
    columns=df.columns
)

# 只更新原来值为 0 的位置，把符合条件的设为1
df.loc[update_mask & (df == 0)] = 1

为什么iteritems()不好用？ #

df.iteritems()是按列遍历的，每次返回列名和该列的 Series，没法同时拿到当前行的fortuneId对应的文本内容，自然没法完成文本比对和值更新，所以不适合这个场景。

内容的提问来源于stack exchange，提问作者john