Python 如果条件满足，则更换行中的单元格

是否有一种方法可用于较小、中间较大的列。如果大于0，则用1替换该行。那么最上面一排会变成什么

                  Conc      Less    Middle   Greater
Date                                                
2005-03-02 00:00  10.3  0.000000  1         1

这是原件

                  Conc      Less    Middle   Greater
Date                                                
2005-03-02 00:00  10.3  0.000000  0.083333  0.916667

2005-03-02 01:00  14.1  0.000000  0.750000  0.250000

2005-03-02 02:00   7.0  0.000000  0.833333  0.166667

2005-03-02 03:00   7.0  0.000000  1.000000  0.000000

2005-03-02 04:00   7.2  0.000000  1.000000  0.000000

2005-03-02 06:00   6.6  0.333333  0.666667  0.000000

2005-03-02 07:00   6.6  0.416667  0.583333  0.000000

我试过：

df.loc[df['Less']>0:]=1
df.loc[df['Less']==0:]=0

但它会以红色显示，并在正确的位置显示False True，并且： 数据类型：bool，无，无）

我也试过：像这样循环：

for line in df['Less']:
    if df['Less'] >0:
        df['Less']=1

ValueError：序列的真值不明确。使用a.empty、a.bool（）、a.item（）、a.any（）或a.all（）

---

您可以将

loc

与布尔条件一起使用：

In [250]:
df.loc[df['Less'] > 0, 'Less'] = 1
df

Out[250]:
                     Conc  Less    Middle   Greater
Date                                               
2005-03-02 00:00:00  10.3   0.0  0.083333  0.916667
2005-03-02 01:00:00  14.1   0.0  0.750000  0.250000
2005-03-02 02:00:00   7.0   0.0  0.833333  0.166667
2005-03-02 03:00:00   7.0   0.0  1.000000  0.000000
2005-03-02 04:00:00   7.2   0.0  1.000000  0.000000
2005-03-02 06:00:00   6.6   1.0  0.666667  0.000000
2005-03-02 07:00:00   6.6   1.0  0.583333  0.000000

此

df.loc[df['Less']>0:

语法无效，您希望使用逗号并传递感兴趣的列名列表

您的

for

循环版本：

for line in df['Less']:
    if df['Less'] >0:
        df['Less']=1

---

无效，因为

if

不理解如何解释布尔值数组，因此如果执行

if（df['Less']>0），则会出现错误。all（）

或

if（df['Less']>0）。any（）

然后它会很高兴，但无论如何都没有意义，因为您正在逐行迭代，但随后测试整个df，这是一种浪费。

一次完成所有操作：

columns = ['Less', 'Middle', 'Greater']
df[columns] = np.where(df[columns] >0, 1 ,0)

或者单独进行（请注意，选择列时使用双括号）：

---

干杯，这似乎起了作用啊好吧，我试过了With.any（），但这假设整个df都是真的，即使只有一个是.np是numpy import btw

df[['Less']] = np.where(df[['Less']] >0, 1 ,0)
df[['Middle']] = np.where(df[['Middle']] >0, 1 ,0)
df[['Greater']] = np.where(df[['Greater']] >0, 1 ,0)