基于多个条件替换熊猫数据框中的值

Question

我有一个基于此示例代码的相当简单的问题：

x1 = 10*np.random.randn(10,3)
df1 = pd.DataFrame(x1)

我正在寻找一个派生自df1其中正值替换为"up"，负值替换为"down"，并且0值（如果有）替换为"zero". 我曾尝试使用.where()和.mask()方法，但无法获得所需的结果。

我看过其他帖子，它们一次根据多个条件进行过滤，但它们没有展示如何根据不同条件替换值。

Answer 1

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']
   )

或者你也可以这样做，

gm.loc[(gm['employrate'] <55) & (gm['employrate'] > 50),'employrate']=11

这里的非正式语法可以是：

<dataset>.loc[<filter1> & (<filter2>),'<variable>']='<value>'

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

因此我们在这里使用的语法是：

 df['<column_name>'] = np.where((<filter 1> ) & (<filter 2>) , <new value>, df['column_name'])

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)> ]

Answer 2

df1.apply(np.sign).replace({-1: 'down', 1: 'up', 0: 'zero'})

输出：

      0     1     2
0  down    up    up
1    up  down  down
2    up  down  down
3  down  down    up
4  down  down    up
5  down    up    up
6  down    up  down
7    up  down  down
8    up    up  down
9  down    up    up

PSrandn当然，完全为零是不太可能的

Answer 3

一般来说，您可以使用np.selectonvalues并重新构建DataFrame

import pandas as pd
import numpy as np

df1 = pd.DataFrame(10*np.random.randn(10, 3))
df1.iloc[0, 0] = 0 # So we can check the == 0 condition 

conds = [df1.values < 0 , df1.values > 0]
choices = ['down', 'up']

pd.DataFrame(np.select(conds, choices, default='zero'),
             index=df1.index,
             columns=df1.columns)

输出：

      0     1     2
0  zero  down    up
1    up  down    up
2    up    up    up
3  down  down  down
4    up    up    up
5    up    up    up
6    up    up  down
7    up    up  down
8  down    up  down
9    up    up  down