当列具有重复值且值来自函数时，批量替换 pandas 数据框中的值

Question

我有一个df包含以下数据类型的 pandas 数据框：+------+------+--+| Col1 | Col2 |  |+------+------+--+| abc  |  123 |  || abc  |  234 |  || cde  |  123 |  || cde  |  234 |  || ghi  |  455 |  || ghi  |  755 |  || ghi  |  123 |  |+------+------+--+在其他地方，我有一个函数，它从数据帧中获取值作为输入。所以，例如，my_func(arg1, arg2, str_from_df). 我想做的是将 Col1 中的值替换为return is notmy_func时的返回值。实现此目的的一种方法是循环遍历数据帧，并一次更改 Col1 中的每个值。但这是一个非常缓慢的解决方案。在我的例子中，它的效率也很低，因为我只需要返回对每组.my_funcNonemy_funcCol1我可以同时更改所有abc内容吗？Col1也就是说，测试 eg,my_func(arg1, arg2, df['Col2'].iat[0])是否是（对应于inNone的第一个实例的值），如果不是，则使用它的值替换中的所有值。数据帧接近 1M 行，并且函数本身并不无关紧要，因此我希望尽可能少地调用它。我还应该提到，我希望其他数据保持不变。这可以做到吗？也许是一个函数？abcCol2abcCol1lambda

Answer 1

由于您想将函数应用于具有相同值 的行组col1，因此您可以使用groupby()和transform()

 df['Col1'] = df.groupby('Col1')['Col2'].transform(my_func)

另外，关于Nonevs value，你可以在likeCol1里面处理它my_func

def my_func(e):

  

  result = #your logic

  return result if result!=None else e