Pandas DataFrame条件替换Party字段值失败及性能问题求助

原代码的问题 #

• 效率极低：嵌套循环遍历state和year的每个元素，每次循环都对整个party列执行replace操作，重复操作次数过多，时间复杂度为O(n²)
• 逻辑错误：
  1. 当year != 2010时，continue会跳过后续的year==2015判断，导致BJP的替换逻辑完全未执行
  2. replace('INC','major',inplace=True)是全局替换，会把所有年份的INC都改成major，没有针对2010年的行做筛选
  3. 列名大小写不匹配：原数据集列名是Party，代码中用df['party']会报错或无法正确定位列

正确解决方案 #

使用Pandas的布尔索引矢量化操作，直接针对符合条件的行进行赋值，效率高且逻辑准确：

# 统一列名（匹配原数据集的Party列，避免大小写问题）
df.rename(columns={'Party': 'party'}, inplace=True)

# 处理第一个需求：2010年的INC替换为major
# str.strip()处理原数据中Party列的空格（如"INC "这类带空格的情况）
df.loc[(df['year'] == 2010) & (df['party'].str.strip() == 'INC'), 'party'] = 'major'

# 处理第二个需求：2015年的BJP替换为major
df.loc[(df['year'] == 2015) & (df['party'].str.strip() == 'BJP'), 'party'] = 'major'

代码说明 #

• df.loc[布尔条件, 列名]：Pandas中针对指定行和列赋值的标准方式，矢量化操作无需循环，效率远高于遍历
• 两个条件分开处理，逻辑清晰，不会互相干扰
• str.strip()：处理原数据中Party列存在的前后空格问题，确保匹配准确

处理后的结果 #

内容的提问来源于stack exchange，提问作者NoobCoderPy