如何高效基于索引在零值Pandas Series指定位置填充数值？

你需要在全零的Series中，根据给定索引快速填充对应数值，原方法的concat+isin在大数据量下效率较低，以下是两种更高效的实现方式：

• 方法1：使用Series.update()（原地修改，性能最优）
  update是Pandas专门用于按索引匹配更新值的方法，原地修改原Series，无需额外的拼接和排序操作，效率最高。如果需要保留原Series，先创建副本再操作：

  import pandas as pd
  
  dict_0 = {x: 0 for x in range(1, 11)}
  ser_0 = pd.Series(dict_0)
  
  dict_vals = {2:0.1, 5:0.9}
  ser_vals = pd.Series(dict_vals) 
  
  # 保留原ser_0的情况
  ser_composed = ser_0.copy()
  ser_composed.update(ser_vals)
  

• 方法2：使用loc索引直接赋值
  复制原Series后，通过loc定位目标索引批量赋值，操作直观且性能优异：

  ser_composed = ser_0.copy()
  ser_composed.loc[ser_vals.index] = ser_vals
  

性能说明 #

这两种方法都基于Pandas的矢量操作和索引对齐特性，时间复杂度为O(n)（主要开销是复制Series和索引匹配）。而原方法的isin会生成布尔掩码，concat需要合并两个Series再排序，时间复杂度更高，在处理百万级以上数据时，性能差距会非常显著。

内容的提问来源于stack exchange，提问作者Jawis