Select 什么'；过滤熊猫系列，然后设置所选零件的值的最佳方法是什么？

例如，我有这样一个系列：

AFalse    0.220522 
BTrue    -1.050370
CFalse   -1.202922
DTrue     0.950305
EFalse    0.003110
FTrue     1.115483
GFalse    0.767281
HTrue    -1.376692
IFalse    1.729867
JTrue     2.574027
dtype: float64

---

我只想筛选出带有“True”的行，并将值设置为None。从速度角度来看，最好的方法是什么？我将运行此操作数百万次。谢谢。

使用矢量化操作将有助于提高速度。从您的

系列开始

df = s.reset_index()
mask = df['index'].str.contains('True')
df.loc[mask, 'a'] = None
df.set_index('index')['a']

返回

index
AFalse    0.220522
BTrue          NaN
CFalse   -1.202922
DTrue          NaN
EFalse    0.003110
FTrue          NaN
GFalse    0.767281
HTrue          NaN
IFalse    1.729867
JTrue          NaN
Name: a, dtype: float64

初始化随机序列：

s = pd.Series(np.random.rand(4), index=idx, name='test')

使用列表理解在索引上创建掩码。请注意，“True”可以位于索引值内的任何位置。然后使用.loc来设置您已经设置的值

idx = ['True' in i for i in s.index]
s.loc[idx] = None  # or np.NaN

>>> s
Out[50]: 
ATrue          None
BFalse    0.9134165
CTrue          None
DFalse    0.2530273
Name: test, dtype: object

True
和
False
行是否总是交替？这个系列是如何构建的？如果在序列的构造过程中，可以将
A、B、C
s与
True
、
False
s分开，那么可以更快地选择
True
行。这里的序列只是一个示例。实际的系列是一个限价订单簿快照，其名称为“bid.1.price”、“bid.2.price”…、“ask.1.price”、“ask.2.price”…，我希望能够根据快速选择方案更改这些条目的值。该方法可行，但该操作会创建一个新的df，这将极大地影响我的内存使用。当执行大量此操作时，这将影响代码性能。有没有办法过滤出该系列的视图并设置其值，而不是创建该系列的副本？这是我拥有的最好的方法：
idxs=filter（lambda x:x.endswith（'True'），s.index）
s.loc[idxs]=None
与我自己拥有的非常相似，但我相信这就是我正在寻找的。