Pandas如何根据行、列条件批量替换DataFrame中的单元格值

核心思路 #

依托pandas内置的向量化操作实现，避免循环遍历，可适配大规模DataFrame场景。

实现代码 #

import pandas as pd
import numpy as np

# 构造示例DataFrame（实际使用时替换为你自己的DataFrame即可）
df = pd.DataFrame(
    data=np.nan,
    index=['a;b;c;d', 'a;b', 'a;c', 'b;c', 'b;c;d'],
    columns=['a', 'b', 'c', 'd']
)

# 核心转换逻辑
mask = df.index.str.get_dummies(sep=';').reindex(columns=df.columns, fill_value=0).astype(bool)
df = mask.replace({True: 'o', False: 'x'})

运行后输出的df就是你需要的目标格式。

逻辑说明 #

• df.index.str.get_dummies(sep=';')：将行索引按指定分隔符拆分，自动生成0/1矩阵，某行包含对应字符则值为1，否则为0
• reindex(columns=df.columns, fill_value=0)：将生成的矩阵和原始DataFrame的列做对齐，避免行索引中出现原始表不存在的字符导致列数不匹配，缺失的列默认填充0
• astype(bool)将0/1值转为布尔值，方便后续替换
• 最后通过replace方法将布尔值替换为要求的o/x即可

方案优势 #

• 全向量化运算，性能远高于逐行、逐元素的apply遍历方案，可支撑十万、百万级以上规模的DataFrame快速处理
• 通用性强，仅需调整sep参数即可适配行索引用其他分隔符（如逗号、竖线等）的同类场景
• 自动对齐原始列，无需额外手动处理列名匹配逻辑

内容的提问来源于stack exchange，提问作者SG Kwon