如何在pandas中将DataFrame的0值替换为自定义函数返回值

方案1：和你现有fillna逻辑对齐，用mask实现（支持lambda写法） #

你可以用pandas的mask方法实现条件替换，逻辑和你处理空值的fillna完全一致：

# 替换col1中的0为对应行col2代入replace函数的返回值
df['col1'] = df['col1'].mask(
    df['col1'] == 0, 
    df.apply(lambda x: replace(x.col2), axis=1)
)
# 如果需要原地修改可以加inplace=True参数，更推荐直接赋值避免pandas警告

mask方法会把第一个参数条件为真的位置，替换为第二个参数的对应值，刚好匹配你的需求。

方案2：先转0为NaN再复用你现有fillna逻辑 #

如果你不想调整现有写法，也可以先把0替换成NaN，再用你熟悉的fillna逻辑处理：

df['col1'] = df['col1'].replace(0, np.nan).fillna(
    df.apply(lambda x: replace(x.col2), axis=1)
)

方案3：大数据量优化写法（无行遍历，效率更高） #

如果你的DataFrame数据量很大，行apply的效率会比较低，推荐用向量化操作实现：

# 直接定位col1为0的行，赋值为对应行col2代入replace的结果
df.loc[df['col1'] == 0, 'col1'] = replace(df.loc[df['col1'] == 0, 'col2'])

这个写法避免了逐行遍历，处理十万级以上数据时速度会快数十倍。

内容的提问来源于stack exchange，提问作者kms