Python 用另一个数据帧快速创建数据帧

我有一个数据框，看起来像这样：

index | in | out | time
   7  |  8 |  8  |  232
  11  |  3 |  0  |    0
  79  |  0 |  8  |   12

我想在此基础上创建一个数据帧，其中每个非零的输入/输出值都被设置为1（它们都是正数）<代码>时间和

索引

应相同：

index | in | out | time
   7  |  1 |  1  |  232
  11  |  1 |  0  |    0
  79  |  0 |  1  |   12

我认为应该有一个比我现在做的更快的方法：

df2 = pd.DataFrame({"index":[], "in":[], "out":[], "time":[]})
for index, row in df.iterrows():
    if row["in"] == 0:
        in_val = 0
    else:
        in_val = 1
    if row["out"] == 0: 
        out_val = 0
    else:
        out_val = 1
    time = row["time"]
    df2 = df2.append(pd.DataFrame({"index":[index], "in":[in_val], "out":[out_val], "time":[time]}), sort=False)

我可以使用一些lambda函数或类似列表理解的东西来更快地转换数据帧吗

与包含列表的列一起使用：

cols = ['in','out']
df[cols] = np.where(df[cols].eq(0), 0, 1)

不等于整数的或强制转换布尔掩码：

df[cols] = df[cols].ne(0).astype(int)

如果没有负值，则使用：

使用

或者，您可以使用转换为布尔值并与1相乘：

cols=['in','out']
df[cols]=df[cols].astype(bool)*1

---

---

所以你有一个这样的数据帧

    index   in  out     time
0   7   8   8   232
1   11  3   0   0
2   79  0   8   12

df['in'] = np.where(df['in'] > 0, 1, 0)
df['out' = np.where(df['out'] > 0, 1, 0)

使用

np.where

获得如下所需的结果

    index   in  out     time
0   7   8   8   232
1   11  3   0   0
2   79  0   8   12

df['in'] = np.where(df['in'] > 0, 1, 0)
df['out' = np.where(df['out'] > 0, 1, 0)

你可以试试

df['in']=[1如果i>0，则列表中的i为0（df['in']）]

使用

np.where

将除1以外的值更改为1

    index   in  out     time
0   7   8   8   232
1   11  3   0   0
2   79  0   8   12

df['in'] = np.where(df['in'] > 0, 1, 0)
df['out' = np.where(df['out'] > 0, 1, 0)