如何在Pandas中基于同行基准单元格对每行单元格应用函数？

首先构造示例DataFrame：

import pandas as pd

df = pd.DataFrame({
    'a': [1, 1],
    'b': [2, 5],
    'benchmark': [1, 3]
})

方法一：按行apply处理（直观易读） #

直接针对a、b列，按行判断每个值是否大于同行的benchmark，不满足则设为0，原地修改原列：

df[['a', 'b']] = df.apply(
    lambda row: [val if val > row['benchmark'] else 0 for val in [row['a'], row['b']]],
    axis=1,
    result_type='expand'
)

• axis=1指定按行处理，每一行的row对象可以访问所有列的值
• result_type='expand'将返回的列表展开为列，直接覆盖原a、b列

方法二：矢量化操作（性能优先，推荐大数据集） #

利用Pandas的广播特性，无需循环，直接对整列进行条件判断，性能远高于逐行apply：

# 单列逐个处理
df['a'] = df['a'].where(df['a'] > df['benchmark'], 0)
df['b'] = df['b'].where(df['b'] > df['benchmark'], 0)

# 多列批量处理（更简洁）
df[['a', 'b']] = df[['a', 'b']].where(df[['a', 'b']] > df['benchmark'].values[:, None], 0)

• where函数会保留满足条件的值，将不满足的替换为指定的0
• df['benchmark'].values[:, None]将基准列转换为列向量，实现和a、b列的广播比较

处理后最终的DataFrame：

内容的提问来源于stack exchange，提问作者chi11ax