除iloc外，按条件为DataFrame赋值列的更快方法（可使用Dask）

针对你需要的「当feature列值为0时，将package_loss列设为1」的需求，除了iloc，以下几种方法在性能上更优，包括Pandas原生的向量化方案和Dask的大数据并行方案：

Pandas 原生优化方案 #

1. 使用numpy.where向量化赋值 #

numpy的向量化操作跳过了loc的索引查找开销，在大数据集上速度显著更快：

import numpy as np

df2['package_loss'] = np.where(df2['feature'] == 0, 1, df2['package_loss'])

该方法直接对整列进行批量判断，将满足条件的位置替换为1，其余保留原值。

2. 使用DataFrame.mask方法 #

mask方法专门用于将满足条件的元素替换为指定值，同样是向量化实现，性能优于loc：

df2['package_loss'] = df2['package_loss'].mask(df2['feature'] == 0, 1)

Dask 大数据并行方案 #

如果你的数据量超出内存上限，Dask的并行处理能大幅提升效率，实现方式和Pandas类似，但支持分布式计算：

import dask.dataframe as dd

# 将Pandas DataFrame转为Dask DataFrame，分区数根据数据规模调整
ddf = dd.from_pandas(df2, npartitions=4)

# 方法1：使用Dask的where实现条件赋值
ddf['package_loss'] = dd.where(ddf['feature'] == 0, 1, ddf['package_loss'])

# 方法2：使用mask方法
ddf['package_loss'] = ddf['package_loss'].mask(ddf['feature'] == 0, 1)

# Dask是懒执行模型，需调用compute()获取最终结果
df_result = ddf.compute()

Dask会将任务拆分到多个分区并行处理，适合TB级别的大数据场景，相比单进程Pandas能获得数倍速度提升。

内容的提问来源于stack exchange，提问作者E McArthur