Pandas 有效地设置行子集上的值

我想知道改变数据帧中行子集中的值的最佳方法。 假设我想将

value

列中的值加倍，其中

selected

为true

In [1]: import pandas as pd
In [2]: df = pd.DataFrame({'value': [1, 2, 3, 4], 'selected': [False, False, True, True]})
In [3]: df
Out[3]: 
  selected  value
0    False      1
1    False      2
2     True      3
3     True      4

有几种方法可以做到这一点：

# 1. Subsetting with .loc on left and right hand side:
df.loc[df['selected'], 'value'] = df.loc[df['selected'], 'value'] * 2

# 2. Subsetting with .loc on left hand side:
df.loc[df['selected'], 'value'] = df['value'] * 2

# 3. Using where()
df['value'] = (df['value'] * 2).where(df['selected'], df['value'])

如果我只在左侧创建子集（选项2），Pandas是否会对所有行进行计算，然后放弃除选定行以外的所有行的结果

在评估方面，使用

loc

和

where

之间有什么区别吗？

您的#2选项是最标准和推荐的方法。您的#1选项也很好，但额外的代码是不必要的，因为

ix/loc/iloc

旨在通过布尔选择并进行必要的对齐，以确保它仅适用于所需的子集

# 2. Subsetting with .loc on left hand side:
df.loc[df['selected'], 'value'] = df['value'] * 2

如果您不在左手边使用

ix/loc/iloc

，可能会出现我们不想在简单回答中讨论的问题。因此，使用

ix/loc/iloc

通常是最安全和最推荐的方法。你的选项3没有错，但它是三个选项中可读性最低的一个

您应该知道的一个更快且可接受的替代方法是numpy的

where（）

函数：

df['value'] = np.where( df['selected'], df['value'] * 2, df['value'] )

第一个参数是选择或掩码，第二个参数是True时要指定的值，第三个参数是false时要指定的值。如果要在选择为False时也创建或更改值，则该选项尤其有用