Python 如何使用dataframe中行中的字段查找和修改特定行？

我有这个数据集

time_in     time_out     total_mins
8AM         10AM         120
6AM         8AM          120
6AM         8AM          -231

我想做的是得到错误的total_mins值，在本例中是变为负值的值。我想

确定总分钟数为负的记录（我同意）

重新计算timein和timeout差异，并覆盖现有的total_mins值

我发现了很多关于如何使用ix根据条件获取特定记录的示例，但我不确定的是如何使用该行中的字段，并使用它们修改行中的特定字段。所以基本上是第二位

---

我现在能想到的唯一选择是循环浏览记录，并执行测试和修改，但文档建议不要这样做。

我认为您需要差分，得到并除以

60

几分钟

然后使用

掩码更改值

：

mask = df['total_mins'] < 0

s = (pd.to_datetime(df.loc[mask, 'time_out'], format='%H%p') - 
     pd.to_datetime(df.loc[mask, 'time_in'], format='%H%p'))
       .dt.total_seconds()
       .div(60)
       .astype(int)

print (s)
2    120
dtype: int32

df.loc[mask, 'total_mins'] = s
print (df)
  time_in time_out  total_mins
0     8AM     10AM         120
1     6AM      8AM         120
2     6AM      8AM         120

---

首先计算所有行的差异：

total_mins_computed = (pd.to_datetime(df.time_out, format='%H%p') - pd.to_datetime(df.time_in', format='%H%p')).dt.total_seconds()

如果只想更正否定项，请使用

np.where（）

：

total_mins_computed = (pd.to_datetime(df.time_out, format='%H%p') - pd.to_datetime(df.time_in', format='%H%p')).dt.total_seconds()

df['total_mins'] = np.where(df.total_mins > 0, df.total_mins, total_mins_computed)