python - 如何迭代数据帧行，以更Pythonic的方式替换匹配元组中的值？

Question

我可以通过迭代行来替换 pandas 数据帧的特定列中的值，并将这些值与元组列表中包含的相应元组对进行匹配。

但是，当我在大型数据帧上运行此代码时，它会变得相对较慢，因为它必须迭代整个元组列表才能找到数据帧中行的匹配项。(12280it [23:21，8.66it/s])

是否有更Pythonic的方式来进行匹配和替换？例如索引元组列表，以及一些按索引过滤的代码？

我使用的代码可以在下面找到。

import pandas as pd 
from tqdm import tqdm

# initialize list of lists 
data = [['some', 1], ['random', 10], ['stuff', 14],['which',8],['is',22],['irrelevant',24]] 

# Create the pandas DataFrame 
df = pd.DataFrame(data, columns = ['Strings', 'Number']) 

df
    Strings     Number
0   some         1
1   random       10
2   stuff        14
3   which        8
4   is           22
5   irrelevant   24

#Create lists necessary to make tuples
x = list(range(1, 25))
y = list(range(345, 395, 2))

#Create tuple
z = list(zip(x,y))

#Replace number values in dataframe
#With corresponding values from tuple
for index, row in tqdm(df.iterrows()):
    for x in z:
        if row["Number"] ==x[0]:
            df.set_value(index,"Number", int(x[1]))

结果

df
    Strings     Number
0   some        345
1   random      363
2   stuff       371
3   which       359
4   is          387
5   irrelevant  391

Answer 1

使用 map

z = dict(zip(x,y))
df['Number'] = df['Number'].map(z)

<小时/>

      Strings  Number
0        some     345
1      random     363
2       stuff     371
3       which     359
4          is     387
5  irrelevant     391

<小时/>

要仅映射某些值并避免NaN，请使用replace

df['Number'] = df['Number'].replace(z)