Pandas实现向量化条件列赋值 替代低效apply逐行处理方法

当前场景属于典型的多条件分支赋值需求，逐行apply的处理效率极低，以下是三种可直接落地的向量化实现方案，运行速度比apply高数十到上百倍，数据量越大性能优势越明显：

方案1：numpy.where（最简洁，适配当前二分支互斥场景） #

你给出的样例中v==1和w==1为互斥关系，直接用二分支判断即可：

import numpy as np
df['z'] = np.where(df['v'] == 1, df['x'], df['y'])

逻辑说明：当第一个参数的条件成立时，取第二个参数的值，否则取第三个参数的值。

方案2：pandas loc 赋值（可读性高，易扩展） #

如果后续可能新增更多条件，用loc逐条件赋值的方式更易维护：

# 先初始化z列，也可以根据需求设置默认值
df['z'] = 0
# 匹配v==1的行赋值为x列的值
df.loc[df['v'] == 1, 'z'] = df['x']
# 匹配w==1的行赋值为y列的值
df.loc[df['w'] == 1, 'z'] = df['y']

方案3：numpy.select（适配多分支复杂条件，扩展性最强） #

如果后续规则扩展为多个判断分支，用np.select可以一次性配置所有条件和对应返回值：

import numpy as np
# 按优先级配置条件列表
conditions = [
    df['v'] == 1,
    df['w'] == 1
]
# 按条件顺序配置对应返回值
choices = [
    df['x'],
    df['y']
]
# default参数为所有条件都不满足时的默认赋值
df['z'] = np.select(conditions, choices, default=0)

以上三种方案输出的结果和原apply实现完全一致，可根据后续业务扩展需求选择即可。

内容的提问来源于stack exchange，提问作者ajsp