pandas DataFrame基于其他列值将NaN替换为0的高效实现方法

你写的逐行循环效率极低，本质是放弃了Pandas底层的向量化运算优化，所有逻辑都在Python层执行，处理千万级数据自然性能极差。

最优向量化实现方案 #

仅需一行代码即可完成需求，底层为C实现的批量运算，2000万行数据通常数秒就能处理完成：

# 同时满足两个条件时替换B列值：A列等于0，B列为空值
df.loc[(df['A'] == 0) & df['B'].isna(), 'B'] = 0

逻辑说明：

• (df['A'] == 0) 筛选出A列取值为0的所有行
• df['B'].isna() 筛选出B列为空值的所有行
• 两个条件用&（与逻辑）拼接，同时满足的行才会触发B列赋值为0的操作，其余行完全保留原值，和你需要的效果完全一致

补充说明 #

你原来的循环代码还存在两个问题：

• 语法错误：math.isnan(df.loc[i,'B']) = True 应为双等号==
• 兼容性问题：math.isnan无法处理非数值类型的空值，用Pandas自带的isna()方法适配性更好

可选替代方案 #

用mask方法也可以实现相同效果，两种方案性能无明显差异：

df['B'] = df['B'].mask((df['A'] == 0) & df['B'].isna(), 0)

内容的提问来源于stack exchange，提问作者el-cheapo