如何不使用df.iterrows()按元组索引替换DataFrame列整数值

完全不需要用df.iterrows()，有两种非常简洁的批量处理方案，性能比逐行循环高很多：

• 直接用Series.map做映射，代码最短：

  df['col_2'] = df['col_2'].map(my_tuple)
  

  因为元组本身就是可位置索引的序列，col_2列里存的整数刚好可以直接当索引值取对应的元组元素，整个操作是批量完成的，没有逐行遍历的开销。
• 用NumPy花式索引，处理大体积DataFrame时速度更快：

  import numpy as np
  df['col_2'] = np.array(my_tuple)[df['col_2']]
  

  先把元组转成numpy数组，再用col_2列的整数值数组当位置索引，一次性把所有对应元素取出来替换原列值。

两种方法执行完都能得到目标输出：

col_1   col_2
0     abc   frank
1     cba     joe
2     bca     bob

小提示：用这两种方法要确保col_2里的所有整数都在元组的合法索引范围内，也就是不能小于0、不能超过元组长度减1，不然会报索引越界的错误。

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