如何使用CSV来源的pandas dataframe批量修改目标dataframe指定列值

前置准备：读取时间CSV文件 #

你用到的时间CSV没有表头，读取时需要指定header=None，示例代码如下：

import pandas as pd
# 替换为你实际的时间CSV文件路径
timestamp = pd.read_csv('time_list.csv', header=None)

方案1：你已实现的遍历方案（功能正常可用） #

你写的遍历逻辑可以正确满足需求，只要提前完成上面的CSV读取步骤即可正常运行：

for (index_label, row_series) in timestamp.iterrows():
    tables.loc[tables.Date == row_series.values[0], 'Valuable'] = 1

方案2：更高性能的向量化实现（推荐） #

如果你的数据量较大，遍历的性能会低于pandas原生向量化操作，推荐用isin方法一次性匹配所有目标时间，代码更简洁效率也更高：

# 提取所有目标时间为列表
target_time_list = timestamp[0].tolist()
# 批量匹配修改Valuable列值
tables.loc[tables['Date'].isin(target_time_list), 'Valuable'] = 1

注意事项 #

• 要保证tables的Date列和时间CSV中的时间格式完全一致，要么同为字符串格式，要么同为datetime格式，避免匹配失效。如果需要统一为datetime格式，读取时间CSV时可以添加parse_dates=[0]参数自动转换。

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