Python 在不使用索引的情况下替换数据帧中选定单元格的值

这是一个非常类似的问题，但有一个关键的区别：我选择的数据，我想改变的不是它的索引，而是一些标准

如果我应用的条件返回一行，我希望能够以简单的方式设置该行中某一列的值，但我的第一次尝试不起作用：

>>> d = pd.DataFrame({'year':[2008,2008,2008,2008,2009,2009,2009,2009], 
...                   'flavour':['strawberry','strawberry','banana','banana',
...                   'strawberry','strawberry','banana','banana'],
...                   'day':['sat','sun','sat','sun','sat','sun','sat','sun'],
...                   'sales':[10,12,22,23,11,13,23,24]})

>>> d
   day     flavour  sales  year
0  sat  strawberry     10  2008
1  sun  strawberry     12  2008
2  sat      banana     22  2008
3  sun      banana     23  2008
4  sat  strawberry     11  2009
5  sun  strawberry     13  2009
6  sat      banana     23  2009
7  sun      banana     24  2009

>>> d[d.sales==24]
   day flavour  sales  year
7  sun  banana     24  2009

>>> d[d.sales==24].sales = 100
>>> d
   day     flavour  sales  year
0  sat  strawberry     10  2008
1  sun  strawberry     12  2008
2  sat      banana     22  2008
3  sun      banana     23  2008
4  sat  strawberry     11  2009
5  sun  strawberry     13  2009
6  sat      banana     23  2009
7  sun      banana     24  2009

因此，与其将2009年周日的香蕉销量设为100，还不如什么都没发生！最好的方法是什么？理想情况下，解决方案应该使用行号，因为您通常事先不知道

有很多方法可以做到这一点

1. 2. 3.

---

不确定pandas的旧版本，但在0.16中，可以基于多个列值设置特定单元格的值

扩展@waitingkuo提供的答案，也可以基于多个列的值执行相同的操作

d.loc[(d.day== 'sun') & (d.flavour== 'banana') & (d.year== 2009),'sales'] = 100

---

老问题，但我很惊讶没有人提到numpy的

.where（）

功能（可以直接从pandas模块调用）

在这种情况下，代码为：

d.sales = pd.np.where(d.sales == 24, 100, d.sales)

---

据我所知，这是跨系列有条件地更改数据的最快方法之一。

是！解决方案1。工作。这有点违反直觉：

d.sales[d.sales==24]=100

，但事实并非如此：

d[d.sales==24]。sales=100

。它们在我看来（功能上）是一样的。好吧。谢谢@waitingkuo.d[d.sales==24]生成一个新的object.re@waitingkuo评论：熊猫们，这是预期的行为吗？当然不直观地认为

d[d.sales==24]

应该生成原始

数据帧的副本。事实上，除非用户明确要求（通过某种类型的
copy=True
），否则每个对象都应该是对原始对象的引用（包括选择一行，正确地“折叠”到一个系列）。想法？仅供参考：这些现在将在0.13中引发/警告请参见（此处）[）@Jeff如何处理这些警告，或者有没有其他正确的方法可以在没有警告的情况下做到这一点？
In [28]: d.sales = d.sales.replace(23, 24)

In [29]: d
Out[29]: 
   day     flavour  sales  year
0  sat  strawberry     10  2008
1  sun  strawberry     99  2008
2  sat      banana     22  2008
3  sun      banana     24  2008
4  sat  strawberry     11  2009
5  sun  strawberry     13  2009
6  sat      banana     24  2009
7  sun      banana    100  2009

d.loc[(d.day== 'sun') & (d.flavour== 'banana') & (d.year== 2009),'sales'] = 100

d.sales = pd.np.where(d.sales == 24, 100, d.sales)