如何同时用静态值与其他列值更新Pandas DataFrame多列

问题背景 #

先看示例DataFrame和筛选条件：

示例数据 #

import pandas as pd

df_lst = [["A", "B", "C", "D", "E"],
          ["D", "A", "B", "K", "J"],
          ["B", "D", "A", "A", "A"],
          ["C", "A", "B", "K", "J"]]
df = pd.DataFrame(df_lst, columns=["1", "2", "3", "4", "5"])

筛选条件 #

# 第一列有效条件：值为A或C
valid_1 = ((df["1"] == "A") | (df["1"] == "C"))
# 第二列有效条件：值为A或B
valid_2 = ((df["2"] == "A") | (df["2"] == "B"))

静态值赋值的可行代码 #

用静态值更新符合条件行的3、4、5列是正常工作的：

def df_iter_static(df):
    df.loc[valid_1 & valid_2, ["3", "4", "5"]] = ["X", "Y", "Z"]
    print(df)

遇到的问题 #

想要实现：将符合条件行的第3、4列更新为对应行的第1、2列的值，第5列设为静态值"X"，但以下代码无法正常运行：

def df_iter_multi(df):
    df.loc[valid_1 & valid_2, ["3", "4", "5"]] = [df["1"], df["2"], "X"]
    print(df)

原因是df["1"]和df["2"]是整列数据，无法自动匹配到符合条件的对应行，导致维度不匹配。

解决方案 #

方法1：拆分赋值（最直观高效） #

拆分逻辑，先给动态列赋值，再单独设置静态列：

def df_iter_multi_fix1(df):
    mask = valid_1 & valid_2
    # 给3、4列赋值对应行的1、2列数据
    df.loc[mask, ["3", "4"]] = df.loc[mask, ["1", "2"]].values
    # 给5列设置静态值X
    df.loc[mask, "5"] = "X"
    print(df)

方法2：构造匹配结构批量赋值 #

如果想一次性完成赋值，可以构造和筛选结果同维度的数据集：

def df_iter_multi_fix2(df):
    mask = valid_1 & valid_2
    # 构造待赋值的数据集：取符合条件的1、2列，新增静态列
    assign_data = df.loc[mask, ["1", "2"]].copy()
    assign_data["static_col"] = "X"
    # 对应列批量赋值
    df.loc[mask, ["3", "4", "5"]] = assign_data.values
    print(df)

方法3：apply逐行生成赋值内容（适合复杂逻辑） #

如果后续逻辑更复杂，可通过apply逐行生成目标值：

def df_iter_multi_fix3(df):
    mask = valid_1 & valid_2
    df.loc[mask, ["3", "4", "5"]] = df.loc[mask].apply(
        lambda row: [row["1"], row["2"], "X"], axis=1
    ).tolist()
    print(df)

最终效果 #

执行上述任意正确方法后，符合条件的行（第0行和第3行）会被正确更新：

1  2  3  4  5
0  A  B  A  B  X
1  D  A  B  K  J
2  B  D  A  A  A
3  C  A  C  A  X

内容的提问来源于stack exchange，提问作者Looz