Pandas：如何根据另一列值动态更新目标列并优化迭代方案

需求说明 #

现有如下结构的DataFrame：

handle  image_src   image_position  image_src_1 image_src_2 image_src_3
0        a       img1                1         None        None        None
1        b       img2                2         None        None        None
2        c       img3                3         None        None        None

需要根据每行image_position的值，将image_src的内容填入对应的image_src_{image_position}列，转换后结果如下：

handle  image_src   image_position  image_src_1 image_src_2 image_src_3
0        a       img1                1         img1        None        None
1        b       img2                2         None        img2        None
2        c       img3                3         None        None        img3

最优实现方案 #

避免逐行遍历，利用Pandas/Numpy的矢量化操作实现，大幅提升效率，以下两种方法均可：

方法一：Numpy矩阵索引赋值 #

利用Numpy生成位置掩码，直接批量赋值：

import pandas as pd
import numpy as np

# 构造示例DataFrame（实际使用时替换为你的数据）
df = pd.DataFrame({
    'handle': ['a', 'b', 'c'],
    'image_src': ['img1', 'img2', 'img3'],
    'image_position': [1, 2, 3],
    'image_src_1': [None, None, None],
    'image_src_2': [None, None, None],
    'image_src_3': [None, None, None]
})

# 定义目标列列表
target_cols = ['image_src_1', 'image_src_2', 'image_src_3']
# 转换为0-based列索引
col_indices = df['image_position'] - 1
# 生成位置掩码矩阵：每行仅对应position的位置为True
mask = np.eye(len(target_cols))[col_indices]

# 批量赋值：掩码位置替换为image_src的值，其余保留原数据
df.loc[:, target_cols] = np.where(mask, df['image_src'].values[:, np.newaxis], df.loc[:, target_cols])

方法二：哑变量矩阵乘法 #

通过get_dummies生成位置哑变量，再与image_src相乘得到目标值：

import pandas as pd

# 构造示例DataFrame
df = pd.DataFrame({
    'handle': ['a', 'b', 'c'],
    'image_src': ['img1', 'img2', 'img3'],
    'image_position': [1, 2, 3],
    'image_src_1': [None, None, None],
    'image_src_2': [None, None, None],
    'image_src_3': [None, None, None]
})

# 生成位置哑变量矩阵
dummies = pd.get_dummies(df['image_position'], prefix='image_src')
# 哑变量与image_src相乘，得到对应位置的值，其余替换为None
df[dummies.columns] = dummies.mul(df['image_src'], axis=0).replace(0, None)

方案优势 #

两种方法均为矢量化操作，直接对整个DataFrame/数组进行批量计算，避免了逐行遍历的Python循环开销，在数据量较大时效率提升极为明显。

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