Pandas 是否可以使用.apply（lambda）函数根据条件返回值，同时跳过不满足条件的值？

数据：

我的数据集是烹饪类型，我想创建一个条件，将烹饪类型重命名为“其他”，如果关联的违规计数小于1000，我希望将它们指定为“其他”，以便我的饼图更清晰

我尝试使用下面的方法，如果条件为False，它不会跳过烹饪类型，正如我所预料的那样

Manhattan_groupby['cuisine'] = Manhattan_groupby['violations'].apply(lambda x: 'other' if (x <= 1000) else None)

Manhattan_groupby['cuisine']=曼哈顿_groupby['influences']适用（lambda x:'other'如果（x
Manhattan_groupby['cuisine']=np.其中（Manhattan_groupby['influences']<1000，'other'，Manhattan_groupby['cuision']））

您可以使用np.where来完成这样的if语句。
Manhattan\u groupby['cuisine']=np.where（Manhattan\u groupby['influences']<1000，'other'，Manhattan\u groupby['cuisine']）

您可以使用np.where来完成像这样的if语句。
使用
loc
和布尔索引：

Manhattan_groupby.loc[Manhattan_groupby['violations'] < 1000, 'cuisine'] = 'other'

Manhattan_groupby.loc[曼哈顿_groupby['influences']<1000，'courine']='other'
使用
loc
和布尔索引：

Manhattan_groupby.loc[Manhattan_groupby['violations'] < 1000, 'cuisine'] = 'other'

Manhattan_groupby.loc[曼哈顿_groupby['influences']<1000，'courine']='other'
抱歉-groupby实际上是变量名的一部分，因此我们没有执行groupby函数。我不希望排除超过1000行的行，我希望保留它们。如果冲突值小于1000，我想将值更改为“其他”，因为我认为它们在研究中与统计无关。我同意e、 但是，如果您要将它们标记为“其他”，然后可能会在以后过滤掉它们，那么为什么要进行中间步骤呢？只需过滤
df[df.invalices.lt（1000）]
在进行任何分析之前。抱歉-groupby实际上是变量名的一部分，因此我们不执行groupby函数。我不希望排除超过1000行的行，我希望保持不变。如果冲突值小于1000，我想将值更改为“其他”，因为我认为它们在统计上不相关我同意，但是如果你打算将它们标记为“其他”，然后很可能在以后过滤掉它们，为什么要经过中间步骤呢？在进行任何分析之前只过滤
df[df.influences.lt（1000）]
。这很有帮助，以前没有见过df[df.influences.lt（1000）]。谢谢！这很有帮助，也没有见过df.influences.lt（1000）][df.invalices.lt（1000）]之前的用法。谢谢！
Manhattan_groupby.loc[Manhattan_groupby['violations'] < 1000, 'cuisine'] = 'other'