如何用Pandas批量修改DataFrame列中1和2之间的所有值为9？

我们可以利用Pandas的向量化操作来实现需求，完全不需要循环。核心思路是标记出所有以1开头到对应2结束的区间，再对这些区间内的值批量修改为9。

方法一：分组标记法 #

通过生成起始和结束分组ID，精准定位需要修改的区间：

import pandas as pd

df = pd.DataFrame({'a':[2, 0, 1, 2, 0, 1, 0, 0, 2, 0, 1, 0, 0, 2, 0, 1]})

# 生成起始分组：每遇到1就开启一个新分组
start_groups = (df['a'] == 1).cumsum()
# 生成结束标记：遇到2时标记上一行（当前分组的结束位置）
end_groups = (df['a'] == 2).shift(1).fillna(0).cumsum()
# 筛选出未结束的有效区间
mask = start_groups > end_groups
# 排除最后一个没有对应2的1
last_one_mask = (df['a'] == 1) & (start_groups == start_groups.max()) & (end_groups == start_groups.max() - 1)
mask = mask & ~last_one_mask

# 赋值生成结果列
df['desired'] = df['a'].where(~mask, 9)
print(df)

方法二：填充标记法 #

用ffill()直接标记区间，写法更简洁：

import pandas as pd

df = pd.DataFrame({'a':[2, 0, 1, 2, 0, 1, 0, 0, 2, 0, 1, 0, 0, 2, 0, 1]})

# 把1设为开启标记（True），2设为关闭标记（False），其余值向前填充标记
mask = df['a'].replace({1: True, 2: False}).ffill()
# 处理末尾无对应2的1
if df.iloc[-1]['a'] == 1:
    mask.iloc[-1] = False

df['desired'] = df['a'].where(~mask, 9)
print(df)

输出结果 #

两种方法都会得到符合需求的结果：

a  desired
0   2        2
1   0        0
2   1        9
3   2        9
4   0        0
5   1        9
6   0        9
7   0        9
8   2        9
9   0        0
10  1        9
11  0        9
12  0        9
13  2        9
14  0        0
15  1        1

内容的提问来源于stack exchange，提问作者skywave1980