如何有条件地更新熊猫数据框中的多个列

Question

我正在尝试有条件地更新我的熊猫数据帧中的多行.这是我的数据:

df = pd.DataFrame([[1,1,1], [2,2,2], [3,3,3]], columns=list('ABC'))

我可以通过两个步骤完成我想要的更新:

df.loc[df['A'] == 1, 'B'] = df['C'] +10
df.loc[df['A'] == 1, 'A'] = df['C'] +11

或者我可以一步更新为常量值:

df.loc[df['A'] == 1, ['A', 'B']] = [11, 12]

但我无法在一个步骤中更新其他列中的多个列:

df.loc[df['A'] == 1, ['A', 'B']] = [df['C'] + 10, df['C'] + 11]
...
ValueError: shape mismatch: value array of shape (2,3) could not be broadcast to indexing result of shape (1,2)

我有什么想法可以做到这一点？

---

编辑:感谢@EdChum针对简单案例的简单解决方案 - 更新了问题以展示更复杂的现实.

Answer 1

我不确定这是否是实现这一目标的最佳方法，但它有效：

In [284]: df.loc[df['A'] == 1, ['A', 'B']] = pd.DataFrame({'A':df.C + 10, 'B':df.C + 11}, index=df.index)

In [285]: df
Out[285]:
    A   B  C
0  11  12  1
1   2   2  2
2   3   3  3

Answer 2

所以几年后查看这个问题我看到了错误,强制返回结果,因此它正确分配你需要访问标量值并使用这些来分配,以便它们根据需要对齐:

In [22]:
df.loc[df['A'] == 1, ['A', 'B']] = df['C'].values[0] + 10,df['C'].values[0] + 11
df

Out[22]:
    A   B  C
0  11  12  1
1   2   2  2
2   3   3  3