Python如何将DataFrame每行指定列之后的所有值设置为0

你可以结合numpy的广播特性生成布尔掩码，再批量赋值，性能远高于逐行遍历：

步骤说明 #

• 首先提取要处理的数值列（即列名是1~8的列），将列名转为整数类型和Select列的值做匹配
• 生成掩码：数值列的列序号大于当前行Select值的位置即为需要置0的位置
• 直接对掩码位置赋值为0即可

代码示例 #

import pandas as pd
import numpy as np

# 构造示例数据
df = pd.DataFrame({
    '1': [54,36,34,35,27],
    '2': [33,54,29,19,39],
    '3': [46,32,11,22,43],
    '4': [23,14,14,45,22],
    '5': [35,32,21,55,22],
    '6': [22,21,29,16,24],
    '7': [36,54,33,21,22],
    '8': [36,55,46,74,55],
    'Select': [3,4,6,5,3],
    'Value': [46,14,29,55,43]
})

# 提取要处理的数值列（列名1~8）
num_cols = [str(i) for i in range(1,9)]
# 将列名转成整数，和Select列做广播比较，生成需要置0的掩码
mask = np.arange(1,9) > df['Select'].values[:, None]
# 赋值为0
df.loc[:, num_cols] = df.loc[:, num_cols].where(~mask, 0)

print(df)

代码说明 #

• np.arange(1,9)生成的是数值列对应的序号[1,2,3,4,5,6,7,8]
• df['Select'].values[:, None]把Select列从一维数组转成二维列向量，利用numpy广播特性逐行比较，得到的mask是和数值列形状完全一致的布尔数组，True的位置就是需要置0的位置
• where方法保留mask为False位置的原值，mask为True的位置替换为0

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