Pandas DataFrame行列遍历及非零值替换技术问询

我明白你现在的需求：要把DataFrame里除了views列之外的所有列中，非零的单元格都替换成对应行的views值，而且因为列数多达数十列，需要能通用的解决方案。之前尝试循环没生效，大概率是因为手动逐行逐列遍历的效率低，或者索引处理没到位，下面给你两种方案，优先推荐高效的向量化操作：

一、最优方案：向量化批量替换（强烈推荐） #

Pandas和Numpy的向量化操作比手动for循环快几个数量级，尤其适合处理大量列的场景，完全不需要逐行逐列遍历：

1. 先导入必要的库（如果还没导入的话）：

import pandas as pd
import numpy as np

2. 自动获取所有需要处理的列（排除views列）：

# 提取除"views"外的所有列名，自动适配任意数量的列
target_cols = df.columns.drop("views")

3. 用np.where完成批量替换：

# 核心逻辑：对目标列的每个单元格，非零则替换为对应行的views值，零则保持不变
df[target_cols] = np.where(df[target_cols] != 0, df["views"].values[:, None], df[target_cols])

这里的df["views"].values[:, None]是把一维的views列转换成二维列向量（形状从(行数,)变成(行数,1)），这样就能和target_cols的多列进行广播匹配，保证每一行的views值精准对应替换到该行的所有非零单元格。

二、备选方案：按列遍历的for循环（不推荐，仅作参考） #

如果你因为某些原因一定要用循环，也不要逐行遍历（效率极低），可以按列批量处理行：

target_cols = df.columns.drop("views")
for col in target_cols:
    # 找到当前列中非零值所在的行
    non_zero_mask = df[col] != 0
    # 批量替换这些行的当前列值为对应行的views
    df.loc[non_zero_mask, col] = df.loc[non_zero_mask, "views"]

这个方案比双重循环（遍历行+列）高效很多，因为是按列批量操作行数据。

三、测试验证 #

你可以用下面的小例子快速验证效果：

# 构造测试用的DataFrame
test_data = {
    "views": [100, 200, 300],
    "col_a": [0, 5, 0],
    "col_b": [3, 0, 7],
    "col_c": [0, 0, 0]
}
df_test = pd.DataFrame(test_data)

# 执行替换后，df_test会变成：
#    views  col_a  col_b  col_c
# 0    100      0    100      0
# 1    200    200      0      0
# 2    300      0    300      0

内容的提问来源于stack exchange，提问作者Notna