Pandas按另一列条件设置行值 不满足条件时保留原值实现方法

问题说明 #

现有共455行的时序DataFrame，每行对应间隔为4小时的日周期时序数据，示例如下：

需求逻辑：当timestamp列的时间小时数为23时，将对应行的目标列（需求中为demand列，原测试代码误写为value）值替换为0，其余行的值保持不变。
原尝试代码的问题：

datadf['value']=datadf['timestamp'].apply(lambda x, y=datadf['value']: 0 if x.hour==23 else y)

该写法中传入lambda的参数y是整个value列的Series对象，并非当前行对应的单个原值，因此else分支返回结果完全不符合预期。 #

实现方案 #

方案1：布尔索引向量化赋值（首推） #

这是pandas场景下的最优写法，不需要手动处理不满足条件的行原值保留逻辑，pandas只会修改命中条件的行，其余行数据完全不受影响，且性能远高于逐行遍历的apply写法。

1. 首先确保timestamp列为datetime类型，若不是先做类型转换：

import pandas as pd
datadf['timestamp'] = pd.to_datetime(datadf['timestamp'])

2. 直接定位符合条件的行赋值即可：

# 若目标列名是value，把代码里的demand替换为value即可
datadf.loc[datadf['timestamp'].dt.hour == 23, 'demand'] = 0

方案2：逐行apply写法（不推荐） #

如果一定要用apply实现，需要对整个DataFrame按行遍历（指定axis=1），才能在lambda中取到当前行的对应列原值：

datadf['demand'] = datadf.apply(lambda row: 0 if row['timestamp'].hour == 23 else row['demand'], axis=1)

注意：该写法为逐行遍历执行，性能远差于向量化方案，仅作为语法参考，日常使用优先选方案1。

内容的提问来源于stack exchange，提问作者Nuevakenia