Python 分配效率

我有一个Pandas数据框，我将在其中添加一个新列（建议）。 添加新列后，我将使用以下模式根据QUERY列的值使用新值对其进行更新。例如：

QUERY = 'query'
SUGGESTED = 'suggested'
df[SUGGESTED] = numpy.nan
s_query = 'de'
new_value = 'delaware'
df.loc[(df[QUERY] == s_query), [SUGGESTED]] = new_value

例如：

query suggested
al      alabama
ca      california
de      NaN

之后：

query suggested
    al      alabama
    ca      california
    de      delaware

---

到目前为止，它似乎还有效，不确定是否有更有效的方法在熊猫身上使用。

我认为您可以首先在

loc

和

np中省略
df[建议]=numpy.nan
。where

解决方案，因为它添加了新的列：

QUERY = 'query'
SUGGESTED = 'suggested'
s_query = 'de'
new_value = 'delaware'

#if need update existing column
df[SUGGESTED] = df[SUGGESTED].mask(df[QUERY] == s_query, new_value)
print (df)
  query   suggested
0    al     alabama
1    ca  california
2    de    delaware

如果只有一个条件，则使用

loc

的解决方案可以简化删除

（）

，如果只有一列，则删除

[]

：

#for updating existing column 
df.loc[df[QUERY] == s_query, SUGGESTED] = new_value
print (df)
  query   suggested
0    al     alabama
1    ca  california
2    de    delaware

#same for creating new column
df.loc[df[QUERY] == s_query, SUGGESTED] = new_value
print (df)
  query suggested
0    al       NaN
1    ca       NaN
2    de  delaware

如果需要替换为不匹配的

NaN

：

#same for creating and updating existing column
df[SUGGESTED] = np.where(df[QUERY] == s_query, new_value, np.nan)
print (df)
  query suggested
0    al       nan
1    ca       nan
2    de  delaware

---

在np中，例如有一个选项：如果找到查询，则匹配行，使用新的_值更新列，但如果不匹配，则不执行任何操作？正如您指出的，当前示例使用np.nan覆盖其他行。我认为您需要

df[suggered]=df[suggered].mask（df[QUERY]==s\u QUERY，new\u值）

-请参阅