Moyen efficace de remplacer les valeurs d'un ensemble de données par des valeurs d'un autre

Vous pouvez supprimer rapidement un cycle en utilisant votre instruction if plus tôt:

for index, row in df.iterrows():
  if df['budget'].iloc[index] == 0:
      for index1, row1 in df1.iterrows():
        if df['production_companies'].iloc[index] == df1['production_companies'].iloc[index1] and df['release_date'].iloc[index].year == df1['release_year'].iloc[index1] :
            df['budget'].iloc[index] = df1['mean'].iloc[index1]

Débarrassez-vous de toutes les boucles, vous pouvez accomplir cela efficacement avec une fusion. Ici, j'ai fourni quelques exemples de données, car aucune des données que vous avez fournies ne fusionnera réellement. Vous voulez vous assurer que release_date dans df est une date / heure, si ce n'est pas déjà fait.

import pandas as pd
import numpy as np
df = pd.DataFrame({'budget': [0, 100, 0, 1000, 0],
                   'production_company': ['Villealfa Filmproduction Oy', 'Villealfa Filmproduction Oy',
                                      'Villealfa Filmproduction Oy', 'Miramax Films', 'Miramax Films'],
                   'release_date': ['10/21/1988', '10/18/1986', '12/25/1955', '1/1/2006', '4/13/2017'],
                   'title': ['AAA', 'BBB', 'CCC', 'DDD', 'EEE']})

df1 = pd.DataFrame({'production_companies': ['Villealfa Filmproduction Oy', 'Villealfa Filmproduction Oy', 
    'Villealfa Filmproduction Oy', 'Miramax Films', 'Miramax Films'],
                'release_year': [1988, 1986, 1955, 2006, 2017],
                   'mean': [1000000, 2000000, 30000000, 4000000, 5000000]})

df['release_date'] = pd.to_datetime(df.release_date, format='%m/%d/%Y')

#   budget           production_company release_date title
#0       0  Villealfa Filmproduction Oy   1988-10-21   AAA
#1     100  Villealfa Filmproduction Oy   1986-10-18   BBB
#2       0  Villealfa Filmproduction Oy   1955-12-25   CCC
#3    1000                Miramax Films   2006-01-01   DDD
#4       0                Miramax Films   2017-04-13   EEE

Ensuite, vous souhaitez remplacer le budget où il est 0 par la moyenne si la société de production et l'année correspondent. Donc, comme fusion, c'est:

df.loc[df.budget==0, 'budget'] = (df.merge(df1, left_on=['production_company', 
    df.release_date.dt.year], right_on=['production_companies', 'release_year'], how='left')
    .loc[df.budget==0, 'mean'])

#     budget           production_company release_date title
#0   1000000  Villealfa Filmproduction Oy   1988-10-21   AAA
#1       100  Villealfa Filmproduction Oy   1986-10-18   BBB
#2  30000000  Villealfa Filmproduction Oy   1955-12-25   CCC
#3      1000                Miramax Films   2006-01-01   DDD
#4   5000000                Miramax Films   2017-04-13   EEE

Si vous ne disposez pas de données mean pour une société de production et une année données, les 0 dans budget seront remplacés par np.NaN, vous pouvez donc les laisser ou remplacez-les à 0 si vous le souhaitez.