如何无需for循环基于条件修改Pandas DataFrame的所有值？

嘿，这个需求其实用Pandas的内置向量化操作就能轻松搞定，完全不需要写繁琐的for循环，效率还高得多！

首先先还原你的示例DataFrame：

import pandas as pd

# 构造原始数据
df = pd.DataFrame({
    'col1': [1, 2],
    'col2': [3, 4],
    'col3': [9, 0]
})

下面给你两种简单高效的实现方式：

方法一：使用gt() + astype(int) #

这是最简洁的方式，利用Pandas的元素级比较和类型转换：

# 先判断每个元素是否大于0.5，再转成整数（True→1，False→0）
df = df.gt(0.5).astype(int)

gt(0.5)会生成一个布尔值的DataFrame，每个元素标记是否满足大于0.5的条件；astype(int)直接把布尔值转换成对应的整数，一步到位。

方法二：使用numpy.where（更灵活的条件场景） #

如果之后需要扩展更复杂的条件，numpy.where会是个不错的选择：

import numpy as np

# 遍历每个元素，满足条件替换为1，否则为0，保留原列名
df = pd.DataFrame(np.where(df > 0.5, 1, 0), columns=df.columns)

执行完任意一种方法后，你都会得到预期的结果：

col1  col2  col3
0     1     1     1
1     1     1     0

这两种方法都是向量化操作，相比for循环，它们利用了Pandas和NumPy的底层优化，在处理大数据集时速度会快非常多，代码也更简洁易读。

内容的提问来源于stack exchange，提问作者Evan