这个想法是根据每一列的特定值以最快的方式转换数据框。 为简单起见，这里是一个示例，其中将列的每个元素与其所属列的平均值进行比较，如果大于 mean(column) 则替换为 0，否则替换为 1。
In [26]: df = pd.DataFrame(np.array([[1, 2, 3], [4, 5, 6]]))
In [27]: df
Out[27]:
0 1 2
0 1 2 3
1 4 5 6
In [28]: df.mean().values.tolist()
Out[28]: [2.5, 3.5, 4.5]
下面的代码段，它不是真正的代码，而是更多地举例说明所需的行为。我使用了 apply 方法，但它可以是最快的方法。
In [29]: f = lambda x: 0 if x < means else 1
In [30]: df.apply(f)
In [27]: df
Out[27]:
0 1 2
0 0 0 0
1 1 1 1
这是一个玩具示例，但解决方案必须应用于大数据框架，因此，它必须很快。
干杯!
请您参考如下方法:
您可以通过将每个元素与该列的平均值进行比较来创建数据框的 bool 掩码。使用
可以轻松实现df > df.mean()
0 1 2
0 False False False
1 True True True
由于 True 等于 1，False 等于 0，因此可以使用 astype 轻松地将 bool 数据框转换为整数。
(df > df.mean()).astype(int)
0 1 2
0 0 0 0
1 1 1 1
如果您需要输出一些字符串而不是 0 和 1，请使用 np.where，它的作用是(条件，如果为真，否则)
pd.DataFrame(np.where(df > df.mean(), 'm', 'n'))
0 1 2
0 n n n
1 m m m
编辑:在评论中解决 qn；如果 m 和 n 是列相关的怎么办
df = pd.DataFrame(np.arange(12).reshape(4,3))
0 1 2
0 0 1 2
1 3 4 5
2 6 7 8
3 9 10 11
pd.DataFrame(np.where(df > df.mean(), df.min(), df.max()))
0 1 2
0 9 10 11
1 9 10 11
2 0 1 2
3 0 1 2
