Python 根据特定于列的条件将函数应用于数据帧的每一列，而不使用循环

我想对数据帧的每一列应用一个函数。
将此应用于哪些行取决于某些特定于列的条件。
要使用的参数值也取决于函数

以这个非常简单的数据帧为例：

>>> df = pd.DataFrame(data=np.arange(15).reshape(5, 3))
>>> df

    0   1   2
0   0   1   2
1   3   4   5
2   6   7   8
3   9   10  11
4   12  13  14

我想使用数组中包含的特定于列的值对每个列应用函数，例如：

>>> multiplier = np.array([0, 100, 1000]) # First column multiplied by 0, second by 100...

我还只想将索引在特定于列的范围内的行相乘，比如数组中包含的值：

>>> limiter = np.array([2, 3, 4]) # Only first two elements in first column get multiplied, first three in second column...

有效的方法是：

>>> for i in range(limit.shape[0]):
>>>     df.loc[df.index<limit[i], i] = multiplier[i] * df.loc[:, i]
>>> df

    0   1   2
0   0   100 2000
1   0   400 5000
2   6   700 8000
3   9   10  11000
4   12  13  14

>>适用于范围内的i（limit.shape[0]）：
>>>df.loc[测向索引>>测向
0   1   2
0   0   100 2000
1   0   400 5000
2   6   700 8000
3   9   10  11000
4   12  13  14

但是这种方法对于我正在处理的大型数据帧来说太慢了

---

有什么方法可以将其矢量化吗？

您可以利用底层的numpy数组

df = pd.DataFrame(data=pd.np.arange(15).reshape(5, 3))

multiplier = pd.np.array([0, 100, 1000])
limit = pd.np.array([2, 3, 4])

df1 = df.values

for i in pd.np.arange(limit.size): 
    df1[: limit[i], i] = df1[: limit[i], i] * multiplier[i]

df2 = pd.DataFrame(df1)

print (df2)


     0    1      2
0    0  100    2000
1    0  400    5000
2    6  700    8000
3    9   10   11000
4   12   13      14

表演：

# Your implementation
%timeit for i in range(limit.shape[0]): df.loc[df.index<limit[i], i] = multiplier[i] * df.loc[:, i]
3.92 ms ± 120 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

# Numpy implementation (High Performance Gain)
%timeit for i in pd.np.arange(limit.size): df1[: limit[i], i] = df1[: limit[i], i] * multiplier[i]
25 µs ± 1.27 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)

#您的实现
%timeit for i in range（limit.shape[0]）：df.loc[df.index这使我的问题从不可行的长时间变成了闪电般的快。@MPa我很高兴能帮上忙：）