Python 如何为dataframe的某些选定行集体设置多列的值？

我有一个数据帧

df

，它有

'TPrice'、'high'、'TLow'、'TOpen'、'TClose'、'TPCLOSE'

列，现在我想为

'TPrice'、'high'、'TLow'、'TOpen'、'TClose'

列值为零的行设置

'TPCLOSE'

列的值

显示TPrice为0的某些行：

>>> df[df['TPrice']==0][['TPrice','THigh','TLow','TOpen','TClose','TPCLOSE']][0:5]
    TPrice  THigh  TLow  TOpen  TClose  TPCLOSE
13       0      0     0      0       0     4.19
19       0      0     0      0       0     7.74
32       0      0     0      0       0     3.27
43       0      0     0      0       0    12.98
60       0      0     0      0       0     7.48

然后分配：

>>> df[df['TPrice']==0][['TPrice','THigh','TLow','TOpen','TClose']] = df['TPCLOSE']

但是Pandas并没有真正改变df，因为下面的代码仍然可以找到一些行：

>>> df[df['TPrice']==0][['TPrice','THigh','TLow','TOpen','TClose','TPCLOSE']][0:5]
    TPrice  THigh  TLow  TOpen  TClose  TPCLOSE
13       0      0     0      0       0     4.19
19       0      0     0      0       0     7.74
32       0      0     0      0       0     3.27
43       0      0     0      0       0    12.98
60       0      0     0      0       0     7.48

那怎么办呢

杰夫解决方案更新：

>>> quote_df = get_quote()
>>> quote_df[quote_df['TPrice']==0][['TPrice','THigh','TLow','TOpen','TClose','TPCLOSE','RT','TVol']][0:5]
    TPrice  THigh  TLow  TOpen  TClose  TPCLOSE   RT  TVol
13       0      0     0      0       0     4.19 -100     0
32       0      0     0      0       0     3.27 -100     0
43       0      0     0      0       0    12.98 -100     0
45       0      0     0      0       0    26.74 -100     0
60       0      0     0      0       0     7.48 -100     0
>>> row_selection = quote_df['TPrice']==0
>>> col_selection = ['THigh','TLow','TOpen','TClose']
>>> for col in col_selection:
...     quote_df.loc[row_selection, col] = quote_df['TPCLOSE']
... 
>>> quote_df[quote_df['TPrice']==0][['TPrice','THigh','TLow','TOpen','TClose','TPCLOSE','RT','TVol']][0:5]
    TPrice  THigh  TLow  TOpen  TClose  TPCLOSE   RT  TVol
13       0   4.19  4.19   4.19    4.19     4.19 -100     0
32       0   4.19  4.19   4.19    4.19     3.27 -100     0
43       0   4.19  4.19   4.19    4.19    12.98 -100     0
45       0   4.19  4.19   4.19    4.19    26.74 -100     0
60       0   4.19  4.19   4.19    4.19     7.48 -100     0
>>> 

---

此操作不会自动广播，因此您需要执行以下操作

In [17]: df = DataFrame(dict(A = [1,2,0,0,0],B=[0,0,0,10,11],C=[3,4,5,6,7]))

In [18]: df
Out[18]: 
   A   B  C
0  1   0  3
1  2   0  4
2  0   0  5
3  0  10  6
4  0  11  7

计算要首先屏蔽的行（否则它们可能会随着您的移动而改变） 如果您正在修改（如您所处的位置）

这需要进行更改以使其更自然（因为您正在将rhs上的一个系列分配给lhs上的一个数据帧，而该数据帧现在并不像您认为的那样进行广播）

---

您正在执行链式分配，因此需要修改副本，请参见；尝试

df.loc[rows\u selector，columns\u selector]=…

I尝试做：df.loc[df['TPrice']=0，['THigh'，'TLow'，'TOpen'，'TClose']=df['TPCLOSE']，但是TLow，TOpen，TClose没有设置与TPCLOSE相同的值。我遵循您的方法，但数据框只是将单个值4.19复制到所有单元格，而不是一系列值，请参考“Jeff解决方案的更新”。（我将数据框quote_df pickle在上）。不知道为什么。（熊猫0.11.0）你需要0.12，0.11，因为这样的事情OK。我会升级到0.13可用。谢谢。现在我必须一个接一个地设置为：row_selection=quote_df['TPrice']=0；value_set=quote_df['TPCLOSE']；quote_df.TOpen[row_selection]=值集合；引用值集合[行选择]=值集合

In [17]: df = DataFrame(dict(A = [1,2,0,0,0],B=[0,0,0,10,11],C=[3,4,5,6,7]))

In [18]: df
Out[18]: 
   A   B  C
0  1   0  3
1  2   0  4
2  0   0  5
3  0  10  6
4  0  11  7

In [19]: mask = df['A'] == 0

In [20]: for col in ['A','B']:
   ....:     df.loc[mask,col] = df['C']
   ....:     

In [21]: df
Out[21]: 
   A  B  C
0  1  0  3
1  2  0  4
2  5  5  5
3  6  6  6
4  7  7  7