如何高效在DataFrame中批量转移值？替代逐个单元格赋值的方法

当然有！完全不用写循环逐个赋值——Pandas的向量化操作就是解决这类问题的最优方案，不仅代码简洁，执行效率也比Python循环高几个数量级（尤其是数据量较大时）。

针对你提到的两种需求，具体实现如下：

1. 顺序值转移 #

源是第121行（iloc[120]）的第51到100列（50:100），目标是第1到50行（0:50）的第111列（110）。我们可以直接提取源的底层数值数组，赋值给目标切片：

import pandas as pd
import numpy as np

# 创建示例DataFrame用于测试
df = pd.DataFrame(np.zeros((150, 150)))  # 150行150列的空DataFrame
df.iloc[120, 50:100] = np.arange(50)  # 给源位置填充测试数据

# 顺序转移：直接赋值源的数值数组
df.iloc[0:50, 110] = df.iloc[120, 50:100].values

这里用.values（或.to_numpy()）拿到源的一维数值数组，Pandas会自动按位置匹配到目标的列切片中，完美实现cell(0,110)=cell(120,50)、cell(1,110)=cell(120,51)...的效果。

2. 逆序值转移 #

只需要在源数组的基础上添加反转索引[::-1]，就能实现逆序赋值：

# 逆序转移：反转源数组后赋值
df.iloc[0:50, 110] = df.iloc[120, 50:100].values[::-1]

这样就会让cell(0,110)=cell(120,99)、cell(1,110)=cell(120,98)...完全符合你的需求。

为什么这方法更高效？ #

Pandas的向量化操作是在C语言层面执行的，避免了Python循环的额外开销。哪怕是处理上万条数据，这种方法的执行速度也会比逐个赋值快几十甚至上百倍。

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