如何基于dataframe每行A列值修改B、C列值且满足指定跳过条件

实现方案 #

你可以先构造需要更新的行的布尔掩码，再通过对应方法完成赋值即可：

步骤1：构造更新掩码 #

首先筛选出不需要跳过的行，也就是不满足foo(B)且foo(C)的行：

# foo为你自定义的判定函数
update_mask = ~(df["B"].apply(foo) & df["C"].apply(foo))

步骤2：只更新目标行的B、C列 #

写法1：loc定位（更直观）

通过.loc定位到需要更新的行后，直接取对应行的A列做映射即可，不会影响需要跳过的行：

# 更新B列
df.loc[update_mask, "B"] = df.loc[update_mask, "A"].map(lambda x: cache[x]["mapVal"])
# 更新C列
df.loc[update_mask, "C"] = df.loc[update_mask, "A"].map(lambda x: cache[x]["diffMapVal"])

写法2：where语法

如果你习惯用where语法，也可以按如下方式实现，和loc写法效果完全一致：

df["B"] = df["A"].map(lambda x: cache[x]["mapVal"]).where(update_mask, df["B"])
df["C"] = df["A"].map(lambda x: cache[x]["diffMapVal"]).where(update_mask, df["C"])

可选优化 #

如果担心A列的值存在cache中没有的key导致报错，可以给map逻辑加默认值：

# 示例：缺失key时保留原值，你也可以自定义默认值
df.loc[update_mask, "B"] = df.loc[update_mask, "A"].map(lambda x: cache.get(x, {}).get("mapVal", df.loc[x, "B"]))

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