基于Pandas DataFrame，依据列表列设置对应列值的技术需求

嘿，这里有两种实用的方法来实现你要的需求，从直观易懂到高效优化的都有，一起来看看：

方法1：逐行遍历处理（适合新手，逻辑清晰） #

这种方法逻辑直接，很容易理解，适合小数据集：

首先先导入Pandas并创建你的DataFrame：

import pandas as pd

test = {'Col1':[2,5],
        'Col2':[5,7],
        'Col_List':[['One','Two','Three','Four','Five'], ['Two', 'Four']],
       'One':[0,0],
       'Two':[0,0],
       'Three':[0,0],
       'Four':[0,0],
       'Five':[0,0],}

df=pd.DataFrame.from_dict(test)

然后执行更新操作：

# 先定义我们要操作的目标列（就是One到Five这几列）
target_cols = ['One', 'Two', 'Three', 'Four', 'Five']

# 逐行遍历每一行数据
for idx, row in df.iterrows():
    # 获取当前行Col_List里的列名列表
    cols_to_update = row['Col_List']
    # 把这些列对应的位置赋值为当前行Col1的数值
    df.loc[idx, cols_to_update] = row['Col1']

运行后你就能得到想要的结果：

Col1  Col2                     Col_List  One  Two  Three  Four  Five
0     2     5  [One, Two, Three, Four, Five]    2    2      2     2     2
1     5     7                  [Two, Four]    0    5      0     5     0

方法2：向量化操作（高效处理大数据集） #

如果你的DataFrame行数很多，逐行遍历的效率会比较低，推荐用这种向量化的方式，速度快很多：

# 构建一个布尔掩码，标记哪些单元格需要被更新
mask = df['Col_List'].apply(lambda x: pd.Series(1, index=x)).reindex(columns=target_cols, fill_value=0).astype(bool)

# 用Col1的值替换掩码中标记为True的位置，其他保持原值
df[target_cols] = df[target_cols].mask(mask, df['Col1'], axis=0)

简单解释下这个方法的逻辑： #

• df['Col_List'].apply(lambda x: pd.Series(1, index=x))：把每个Col_List里的元素转成Series的索引，值设为1，这样就对应了需要更新的列。
• reindex(columns=target_cols, fill_value=0)：补全所有目标列，没有出现在Col_List里的列就填充0。
• astype(bool)：把数值转成布尔值，这样就得到了一个"哪些位置要更新"的掩码。
• mask(mask, df['Col1'], axis=0)：用Col1的值替换掩码中为True的位置，其他位置保持原来的0不变。

内容的提问来源于stack exchange，提问作者kopsman