Pandas 从列列表中指定结果

假设我有一个数据帧，如下所示：

将熊猫作为pd导入
将numpy作为np导入
np.随机种子（42）
df=pd.DataFrame（{'A'：np.random.randn（5），'B'：np.zeros（5），'C'：np.zeros（5）}）
df
>>>
A、B、C
0  0.496714  0.0  0.0
1 -0.138264  0.0  0.0
2  0.647689  0.0  0.0
3  1.523030  0.0  0.0
4 -0.234153  0.0  0.0

当

A

为负值时，我有一个列列表，我想用值1填充它

idx=df.A<0
cols=['B'，'C']

因此，在本例中，我希望将索引[1，'B']和[4，'C']设置为1。

我尝试的是： 但是，执行

df.loc[idx，cols]=1

将整行设置为1，而不仅仅是单个列。我还尝试了

df.loc[idx，cols]=pd.get\u dummies（cols）

，结果如下：

          A    B    C
0  0.496714  0.0  0.0
1 -0.138264  0.0  1.0
2  0.647689  0.0  0.0
3  1.523030  0.0  0.0
4 -0.234153  NaN  NaN

我假设这是因为

get\u dummies

的索引和数据帧没有对齐

预期产出：

abc
0  0.496714  0.0  0.0
1 -0.138264  1.0  0.0
2  0.647689  0.0  0.0
3  1.523030  0.0  0.0
4 -0.234153  0.0  1.0

那么什么是最好的（阅读速度最快的）方法呢。在我的例子中，有1000行和5列

结果的时间安排： TLDR：直接编辑值更快

%%timeit
df.values[idx，df.columns.get_indexer（cols）]=1

每个回路123µs±2.5µs（7次运行的平均值±标准偏差，每个10000个回路）

%%timeit
df.iloc[idx.array，df.columns.get\u indexer（cols）]=1

---

每个循环266µs±7µs（7次运行的平均值±标准偏差，每个循环1000次）

使用numpy索引提高性能：

idx = df.A < 0
res = ['B', 'C']
arr = df.values
arr[idx, df.columns.get_indexer(res)] = 1
print (arr)
[[ 0.49671415  0.          0.        ]
 [-0.1382643   1.          0.        ]
 [ 0.64768854  0.          0.        ]
 [ 1.52302986  0.          0.        ]
 [-0.23415337  0.          1.        ]]

备选方案：

idx = df.A < 0
res = ['B', 'C']
df.values[idx, df.columns.get_indexer(res)] = 1
print (df)
          A    B    C
0  0.496714  0.0  0.0
1 -0.138264  1.0  0.0
2  0.647689  0.0  0.0
3  1.523030  0.0  0.0
4 -0.234153  0.0  1.0

idx=df.A<0
res=['B'，'C']
df.values[idx，df.columns.get_indexer（res）]=1
打印（df）
A、B、C
0  0.496714  0.0  0.0
1 -0.138264  1.0  0.0
2  0.647689  0.0  0.0
3  1.523030  0.0  0.0
4 -0.234153  0.0  1.0

尽可能避免python中的for循环我想这是一个答案，但希望找到更有效的方法+1尽管如此。我觉得应该有一种方法来组合，

df.columns.get_indexer

和

loc

，来重新创建整个数据帧选项。无论如何，感谢您提供的解决方案，我们将在接受之前等待一段时间。

df.iloc[idx.array，df.columns.get\u indexer（cols）]=1

可能会起作用

df = pd.DataFrame(arr, columns=df.columns, index=df.index)
print (df)
          A    B    C
0  0.496714  0.0  0.0
1 -0.138264  1.0  0.0
2  0.647689  0.0  0.0
3  1.523030  0.0  0.0
4 -0.234153  0.0  1.0

idx = df.A < 0
res = ['B', 'C']
df.values[idx, df.columns.get_indexer(res)] = 1
print (df)
          A    B    C
0  0.496714  0.0  0.0
1 -0.138264  1.0  0.0
2  0.647689  0.0  0.0
3  1.523030  0.0  0.0
4 -0.234153  0.0  1.0