如何基于rank表按列替换pandas dataframe中的对应数值

全程使用pandas/numpy向量化操作，无Python层循环，性能远高于迭代写法，符合Python风格。 #

完整代码示例 #

导入依赖 #

import pandas as pd

构造测试数据（如果已经有数据可跳过该段） #

# 构造Rank表
rank_df = pd.DataFrame({
    'A': [85, 22, 80],
    'B': [88, 34, 80],
    'C': [44, 80, 2],
    'D': [80, 92, 31]
})
# 构造Value表
value_df = pd.DataFrame({
    'a': [0.671399, 0.446172, 0.614758],
    'b': [0.101208, -0.243316, 0.075793],
    'c': [-0.181532, 0.051767, -0.451460],
    'd': [0.241273, 1.577318, -0.012493]
})

核心逻辑 #

方案1：按列顺序对齐（适合列顺序严格对应场景）

# 提取每列Rank=80对应的Value值
col_replace_val = value_df[rank_df.eq(80).values].stack().values
# 批量替换Rank>80位置的数值
result = value_df.mask(rank_df.gt(80).values, col_replace_val, axis=1)

方案2：按列名对齐（更稳妥，避免列顺序错乱）

# 对齐Rank表列名与Value表一致（此处为转小写）
rank_df.columns = rank_df.columns.str.lower()
# 提取每列替换值
col_replace_val = value_df[rank_df.eq(80)].stack().droplevel(0)
# 批量替换
result = value_df.mask(rank_df.gt(80), col_replace_val, axis=1)

运行结果示例 #

a         b         c         d
0  0.614758  0.075793 -0.181532  0.241273
1  0.446172 -0.243316  0.051767  0.241273
2  0.614758  0.075793 -0.451460 -0.012493

内容的提问来源于stack exchange，提问作者cyrilmuay