Pandas DataFrame:根据条件替换列中的所有值
ich*_*mok 97 python dataframe pandas
我有一个简单的DataFrame,如下所示:
我想从"第一季"列中选择所有值,并将那些超过1990年的值替换为1.在此示例中,只有Baltimore Ravens将1996年替换为1(保持其余数据完好无损).
我使用了以下内容:
df.loc[(df['First Season'] > 1990)] = 1
但是,它将该行中的所有值替换为1,而不仅仅是"第一季"列中的值.
如何只替换该列中的值？
EdC*_*ica 166
您需要选择该列:
In [41]:
df.loc[df['First Season'] > 1990, 'First Season'] = 1
df
Out[41]:
Team First Season Total Games
0 Dallas Cowboys 1960 894
1 Chicago Bears 1920 1357
2 Green Bay Packers 1921 1339
3 Miami Dolphins 1966 792
4 Baltimore Ravens 1 326
5 San Franciso 49ers 1950 1003
所以这里的语法是:
df.loc[<mask>(here mask is generating the labels to index) , <optional column(s)> ]
编辑
如果你想生成一个布尔值指标,那么你可以只使用布尔条件产生boolean值系列和铸铁的D型到int这将转换True并False以1和0分别为:
In [43]:
df['First Season'] = (df['First Season'] > 1990).astype(int)
df
Out[43]:
Team First Season Total Games
0 Dallas Cowboys 0 894
1 Chicago Bears 0 1357
2 Green Bay Packers 0 1339
3 Miami Dolphins 0 792
4 Baltimore Ravens 1 326
5 San Franciso 49ers 0 1003
Ami*_*r F 24
派对有点晚了但仍然 - 我更喜欢使用numpy:
import numpy as np
df['First Season'] = np.where(df['First Season'] > 1990, 1, df['First Season'])
- pandas 现在有一个内置的 `where` 方法，与 https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.where 中的 `np.where` 进行比较.html#pandas.DataFrame.where (3认同)
- 我正在寻找一种有条件地覆盖列值的解决方案，但基于其他列的值，如下所示： df['col1'] = np.where(df['id'] == '318431682259014', 'NEW', df['col1']) 这就是它的解决方案。 (2认同)
- 我试图在这样的多个条件下执行此操作，但我不断收到“ValueError：系列的真值不明确”。使用 a.empty、a.bool()、a.item()、a.any() 或 a.all()`。我想做的基本上是 `df['A'] = np.where(df['B'] in some_values, df['A']*2, df['A]`。有人有吗对此有何想法？ (2认同)
小智 20
df.loc[df['First season'] > 1990, 'First Season'] = 1
解释：
df.loc有两个参数：“行索引”和“列索引”。我们正在检查“第一季”列下每行值的值是否大于 1990，然后将其替换为 1。
Odz*_*Odz 11
df['First Season'].loc[(df['First Season'] > 1990)] = 1
奇怪的是没有人有这个答案，你的代码唯一缺少的部分是 df 之后的 ['First Season'] ，只需删除里面的大括号。
- 这给出了“SettingWithCopyWarning：”最好使用 .loc 来完成整个事情，就像 EdChum 的答案一样。 (3认同)
TLDR \xe2\x80\x94 这里是一些使用指南，包括一些还没有提到的方法：
\n| 使用案例 | 受到推崇的 | 例子 |
|---|---|---|
| 速度 | DataFrame.loc | df.loc[df[\'A\'] < 10, \'A\'] = 1 |
| 方法链接 | Series.mask | df[\'A\'] = df[\'A\'].mask(df[\'A\'] < 10, 1).method1().method2() |
| 整个数据框 | DataFrame.mask | df = df.mask(df[\'A\'] < 10, df**2) |
| 多种条件 | np.select | df[\'A\'] = np.select([df[\'A\'] < 10, df[\'A\'] > 20], [1, 2], default=df[\'A\']) |
1. 速度
\nDataFrame.loc如果您有一个大数据框并且关心速度，请使用：
df.loc[df[\'Season\'] > 1990, \'Season\'] = 1\n对于小型数据帧，速度微不足道，但从技术上讲，如果您愿意，还有更快的选择：
\n
df = pd.DataFrame({\'Team\': np.random.choice([*\'ABCDEFG\'], size=n), \'Season\': np.random.randint(1900, 2001, size=n), \'Games\': np.random.randint(0, 17, size=n)})
2. 方法链
\nSeries如果您想有条件地替换方法链中的值，请使用方法：
- \n
\nSeries.mask替换给定条件为 true 的值
Run Code Online (Sandbox Code Playgroud)\ndf[\'Season\'] = df[\'Season\'].mask(df[\'Season\'] > 1990, 1)\n\n
\nSeries.where只是反转版本（当 false 时替换）
Run Code Online (Sandbox Code Playgroud)\ndf[\'Season\'] = df[\'Season\'].where(df[\'Season\'] <= 1990, 1)\n\n
链接的好处在 OP 的示例中并不明显，但在其他情况下非常有用。就像一个玩具示例：
\n# compute average games per team, but pre-1972 games are weighted by half\ndf[\'Games\'].mask(df[\'Season\'] < 1972, 0.5*df[\'Games\']).groupby(df[\'Team\']).mean()\n实际例子：
\n\n3. 整个数据框
\nDataFrame.mask如果您想有条件地替换整个数据帧中的值，请使用。
根据 OP 的示例，想出一个有意义的示例并不容易，但这里有一个简单的演示示例：
\n# replace the given elements with the doubled value (or repeated string)\ndf.mask(df.isin([\'Chicago Bears\', \'Buffalo Bills\', 8, 1990]), 2*df)\n实际例子：
\n- \n
mask每行的最大值及其平均值 \n
4. 多种条件
\nnp.select如果您有多个条件，每个条件都有不同的替换，请使用：
# replace pre-1920 seasons with 0 and post-1990 seasons with 1\nconditions = {\n 0: df[\'Season\'] < 1920,\n 1: df[\'Season\'] > 1990,\n}\ndf[\'Season\'] = np.select(conditions.values(), conditions.keys(), default=df[\'Season\'])\n实际例子：
\n- \n
- 根据多个正则表达式条件替换值 \n
对于单一条件，即( 'employrate'] > 70 )
country employrate alcconsumption
0 Afghanistan 55.7000007629394 .03
1 Albania 51.4000015258789 7.29
2 Algeria 50.5 .69
3 Andorra 10.17
4 Angola 75.6999969482422 5.57
用这个：
df.loc[df['employrate'] > 70, 'employrate'] = 7
country employrate alcconsumption
0 Afghanistan 55.700001 .03
1 Albania 51.400002 7.29
2 Algeria 50.500000 .69
3 Andorra nan 10.17
4 Angola 7.000000 5.57
因此这里的语法是：
df.loc[<mask>(here mask is generating the labels to index) , <optional column(s)> ]
对于多个条件，即。(df['employrate'] <=55) & (df['employrate'] > 50)
用这个：
df['employrate'] = np.where(
(df['employrate'] <=55) & (df['employrate'] > 50) , 11, df['employrate']
)
out[108]:
country employrate alcconsumption
0 Afghanistan 55.700001 .03
1 Albania 11.000000 7.29
2 Algeria 11.000000 .69
3 Andorra nan 10.17
4 Angola 75.699997 5.57
因此这里的语法是：
df['<column_name>'] = np.where((<filter 1> ) & (<filter 2>) , <new value>, df['column_name'])