如何用Pythonic方式为Pandas DataFrame标记非零值恒定行

现有如下结构的Pandas DataFrame：

Car       2020-01-01  2020-01-02    2020-01-03
Car1       10          10             10
Car2       0           10             10
Car3       5          15              7

需要新增一个IS_CONSTANT列：若某行的非零值保持恒定，则该列值设为1，否则为0。处理后的目标DataFrame如下：

Car       2020-01-01  2020-01-02    2020-01-03  IS_CONSTANT
Car1       10          10             10           1
Car2       0           10             10           1
Car3       5          15              7            0

要求采用Pythonic方式实现，避免循环（循环处理大数据集效率较低）。

可以利用Pandas的矢量化操作完成，无需循环，以下是两种实现方式：

方案一：基于apply的简洁实现 #

import pandas as pd

# 构造示例数据
data = {
    '2020-01-01': [10, 0, 5],
    '2020-01-02': [10, 10, 15],
    '2020-01-03': [10, 10, 7]
}
df = pd.DataFrame(data, index=['Car1', 'Car2', 'Car3'])
df.index.name = 'Car'

# 核心逻辑：提取每行非零值，判断唯一值数量是否≤1
df['IS_CONSTANT'] = (
    df.apply(lambda row: row[row != 0].nunique() <= 1, axis=1)
    .astype(int)
)

print(df)

逻辑说明：

• row[row != 0]筛选出每行的非零元素
• nunique()统计非零值的唯一值数量，若数量≤1（所有非零值相同，或无任何非零值）则返回True
• astype(int)将布尔值转换为1/0

方案二：纯矢量化高效实现（适合大数据集） #

如果数据规模极大，apply的行级遍历效率有限，可以改用更底层的矢量化操作：

import pandas as pd

# 构造示例数据
data = {
    '2020-01-01': [10, 0, 5],
    '2020-01-02': [10, 10, 15],
    '2020-01-03': [10, 10, 7]
}
df = pd.DataFrame(data, index=['Car1', 'Car2', 'Car3'])
df.index.name = 'Car'

# 替换0为NaN，统计每行非NaN值的唯一数量
non_zero_vals = df.where(df.ne(0))
df['IS_CONSTANT'] = (non_zero_vals.nunique(axis=1) <= 1).astype(int)

print(df)

逻辑说明：

• df.where(df.ne(0))将所有0替换为NaN，保留非零值
• nunique(axis=1)直接按行统计非NaN值的唯一数量，全程无行级遍历，效率更高

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