如何用dataframe中risk列的整数替换对应行的文本单元格值

把DataFrame中所有species开头的列里，非NA的文本值，统一替换成对应行的risk列数值，原NA位置保持不变。

方法1：逐行apply，逻辑直白易上手 #

适合新手快速理解，不需要记复杂的向量化逻辑：

import pandas as pd
import numpy as np

# 先定义需要处理的species类列范围，排除id、risk两个固定列
species_col_list = [col for col in df.columns if col.startswith("species")]

# 逐行遍历处理
df[species_col_list] = df.apply(
    lambda row: row[species_col_list].where(
        cond=pd.isna(row[species_col_list]),  # 单元格是NA就保留原值
        other=row["risk"]  # 非NA的文本值，替换成当前行的risk值
    ),
    axis=1
)

方法2：向量化批量处理，大数据量下效率更高 #

如果表格行数超过万级，逐行循环速度会很慢，用掩码匹配的方式效率能提升一个量级：

# 生成位置掩码：species列里非NA的位置标记为True
replace_mask = df[species_col_list].notna()

# 按行对齐risk值，把掩码标记为True的位置批量替换
df[species_col_list] = df[species_col_list].mask(
    cond=replace_mask,
    other=df["risk"],
    axis=0
)

• 如果你的数据里的NA是字符串格式的"NA"，而不是pandas/numpy的原生缺失值，只要把判断条件从pd.isna()换成!= "NA"即可，比如replace_mask = df[species_col_list] != "NA"
• 两个方法处理完的结果完全匹配目标输出，不会改动id和risk两列的原始值

内容的提问来源于stack exchange，提问作者Harry