Python 熊猫：如何根据多列的条件将值替换为np.nan

这是我的数据框

I  A  B  C  D  E  F
1  9  4  0  T  F  F
2  0  5  1  S  X  J
3  1  8  0  G  G  J

这是我的预期输出。 我想替换A==0中的if值，并将其替换为D中的np.nan

I  A   B   C   D   E   F
1  9   4   0   T   F   nan
2  0   5   1   nan X   J
3  1   8   0   G   G   nan

我想用A/B/C列的值替换D/E/F列上的值。 例如，D列根据A列的大小而变化。（A->D，B->E，C->F）

我尝试了这个代码，但没有改变值

list1 = ['A', 'B', 'C']
list2 = ['D', 'E', 'F']

for i in list2:
    for j in list1:
        df[i] = np.where(df[j] == 0, np.nan, df[i])

对于下面的代码，运行良好。 但是有很多列，所以我想用list和for句子

df['D'] = np.where(df.A == 0, np.nan, df.D)

与as一起使用：

---

首先，我们使用

zip

replace_dict = dict(zip(list1,list2))

然后我们循环它来处理你的任务

for k,v in replace_dict.items():
    df.loc[df[k] == 0, v] = np.nan

print(df)
   I  A  B  C    D  E    F
0  1  9  4  0    T  F  NaN
1  2  0  5  1  NaN  X    J
2  3  1  8  0    G  G  NaN

另一种方法是在列表中使用

np.where

df[list2] = np.where(df[list1].eq(0), np.nan,df[list2])

print(df)

   I  A  B  C    D  E    F
0  1  9  4  0    T  F  NaN
1  2  0  5  1  NaN  X    J
2  3  1  8  0    G  G  NaN

让我们做吧

df.loc[:,'D':].mask(df.loc[:,'A':'C'].eq(0).values)
     D  E    F
0    T  F  NaN
1  NaN  X    J
2    G  G  NaN
df.loc[:,'D':]= df.loc[:,'D':].mask(df.loc[:,'A':'C'].eq(0).values)

对于zip中的x，y（列表1，列表2）：df[y]=df[y]。其中（df[x]！=0）

？

df.loc[:,'D':].mask(df.loc[:,'A':'C'].eq(0).values)
     D  E    F
0    T  F  NaN
1  NaN  X    J
2    G  G  NaN
df.loc[:,'D':]= df.loc[:,'D':].mask(df.loc[:,'A':'C'].eq(0).values)