Python 熊猫：根据其他列和值本身更改单元格值

我有以下建议：

category1   category2
A           B
A           C
B           NaN
A           NaN

如果满足以下条件，我想将

类别2中的值更改为
D
：


category1==A
category2==NaN

因此，我的预期产出是：

category1   category2
A           B
A           C
B           NaN
A           D

我尝试了两种方法：

df.loc[((df.category1 == "A") & (df.category2 == 'nan')), "category2"] = "D" # doesn't change anything

及

为什么这两行都不起作用？
请使用以下命令：

df.loc[df.category2.isna()&df.category1.eq('A'),'category2']='D'
print(df)


使用以下命令：

df.loc[df.category2.isna()&df.category1.eq('A'),'category2']='D'
print(df)


错误：

ValueError：应同时给出x和y或两者都不给出

告诉您当条件为
True
时，
np.where
需要一个值，可以从中选择，也可以选择
False
。在您的情况下，它只知道当它为
True
时，您需要
D
。相反，你应该：

df['category2'] = np.where(((df['category1'] == 'A') & (df['category2'].isna())),
                             "D", df['category2'])

错误：

ValueError：应同时给出x和y或两者都不给出

告诉您当条件为
True
时，
np.where
需要一个值，可以从中选择，也可以选择
False
。在您的情况下，它只知道当它为
True
时，您需要
D
。相反，你应该：

df['category2'] = np.where(((df['category1'] == 'A') & (df['category2'].isna())),
                             "D", df['category2'])

需要澄清的是，这之所以有效，主要是因为
.isna（）
（也可以使用
.isnull（）
，它不是使用
.eq（）
（你仍然可以使用
=='A'
而不是
.eq（'A'）
）来获得相同的结果。你原来的代码既不能工作，也不能工作

等于

NaN

。测试pandas中的值是否为null最安全的方法是

。isnull（）

只是为了清除，之所以有效的主要原因是因为

。isna（）

（也可以使用

.isnull（）

，而不是使用

.eq（）

（您仍然可以使用

='a'

，而不是

.eq（'a'））

用于相同的结果）。原始代码不起作用。bc

'nan'

或

“

等于

nan

。测试pandas中的值是否为null的最安全方法是

.isnull（）

np。其中

解决方案在编写单个列时比loc[]快一点我猜。

np.where

solution在编写单个列时比loc[]快一点。