如何高效实现满足条件的Pandas DataFrame行内数据交换？

问题需求 #

当DataFrame中某行的HomeAway列值为0时，交换该行的**第4至123列（对应列索引4到123，切片为4:124）与第124列及之后的所有列（切片为124:）**的值。原有的逐行循环实现速度极慢，需要更高效的方案。

原方法的性能问题 #

你提供的两种方法都采用了逐行循环遍历的方式，这是Pandas性能瓶颈的典型场景：Pandas的设计初衷是基于向量化操作优化的，逐行处理会频繁触发索引查找、值转换等耗时操作，当DataFrame行数较多时，速度会急剧下降。

高效向量化解决方案 #

直接利用Pandas的向量化索引赋值，一次性处理所有符合条件的行，代码如下：

# 定义需要交换的列范围
cols_swap_left = final.columns[4:124]  # 第4-123列
cols_swap_right = final.columns[124:]   # 第124列及之后

# 生成条件掩码：筛选HomeAway为0的行
mask = final['HomeAway'] == 0

# 保存需要交换的两部分值（必须用copy避免赋值时的视图问题）
temp_left = final.loc[mask, cols_swap_left].copy()
temp_right = final.loc[mask, cols_swap_right].copy()

# 执行交换赋值
final.loc[mask, cols_swap_left] = temp_right.values
final.loc[mask, cols_swap_right] = temp_left.values

或者更简洁的写法（效果一致）：

mask = final['HomeAway'] == 0
# 直接交换两列块的值
final.loc[mask, final.columns[4:124]] = final.loc[mask, final.columns[124:]].values
final.loc[mask, final.columns[124:]] = final.loc[mask, final.columns[4:124]].values

为什么这个方法更快？ #

这种方式是向量化批量操作，直接对所有符合条件的行块进行赋值，完全避免了逐行循环的开销。Pandas底层基于NumPy数组实现，批量操作会利用底层的优化计算，速度比循环快几个数量级，尤其是当数据量较大时，提升效果会非常明显。

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