Python 按熊猫中的列名重新分类
我想对pandas数据帧应用测试,并根据测试结果在相应的数据帧中创建标志。我已经走了这么远:Python 按熊猫中的列名重新分类,python,pandas,array-broadcasting,Python,Pandas,Array Broadcasting,我想对pandas数据帧应用测试,并根据测试结果在相应的数据帧中创建标志。我已经走了这么远: import numpy as np import pandas as pd matrix = pd.DataFrame({'a': [1, 11, 2, 3, 4], 'b': [5, 6, 22, 8, 9]}) flags = pd.DataFrame(np.zeros(matrix.shape), columns=matrix.columns) flag_values = pd.Series
import numpy as np
import pandas as pd
matrix = pd.DataFrame({'a': [1, 11, 2, 3, 4], 'b': [5, 6, 22, 8, 9]})
flags = pd.DataFrame(np.zeros(matrix.shape), columns=matrix.columns)
flag_values = pd.Series({"a": 100, "b": 200})
flags[matrix > 10] = flag_values
但这也带来了错误
ValueError: Must specify axis=0 or 1
在这种情况下,在哪里可以指定轴?有没有更好的方法来实现这一点
编辑:
我在本例中寻找的标志结果是
a b
0 0
100 0
0 200
0 0
0 0
带mul的面具
带mul的面具
您可以定义flags=matrix>10*标志值:
这取决于和False的数值为0。
在执行算术运算之前,它还依赖于Pandas基于标签的数据帧和序列的出色性能。您可以定义flags=matrix>10*flag\u值:
这取决于和False的数值为0。
在执行算术运算之前,它还依赖于熊猫漂亮的基于标签的数据帧和序列
flags.mask(matrix > 10,1).mul(flag_values,axis=1)
Out[566]:
a b
0 0.0 0.0
1 100.0 0.0
2 0.0 200.0
3 0.0 0.0
4 0.0 0.0
In [35]: (matrix > 10) * flag_values
Out[35]:
a b
0 0 0
1 100 0
2 0 200
3 0 0
4 0 0