Python 如果未找到数据框列，则替换列值

我是python新手。这里我有下面的dataframe列

  Predict
   100
   200
   2100
   2200
   51200
     0
   3600     

现在我有以下几点 数组数据

cols = [100,156,160,162,200,256,262,2200,2600,2900,3600,4600]

现在，如果它不在预测中，我尝试用

0

替换它

所以结果会是这样的

predict
 100
 200
 0
2200
0
3600

现在我试过了

compare_df[~compare_df.isin(cols)] = 0

但我得到了这个错误

TypeError: Cannot do inplace boolean setting on mixed-types with a non np.nan value

---

有人能帮我吗？谢谢。

您必须使用

系列

而不是一列

数据帧

，方法是选择with column name和

loc

替换

Predict

的值：

compare_df.loc[~compare_df['Predict'].isin(cols), 'Predict'] = 0

compare_df['Predict'] = np.where(compare_df['Predict'].isin(cols),compare_df['Predict'], 0)

如果使用列名删除

loc

，则通过掩码将所有行设置为

0

（如果存在）：

如果将altarative与选择列一起使用，请选择列

Predict

：

compare_df.loc[~compare_df['Predict'].isin(cols), 'Predict'] = 0

compare_df['Predict'] = np.where(compare_df['Predict'].isin(cols),compare_df['Predict'], 0)

但在这方面也有工作：

compare_df['Predict'] = np.where(compare_df.isin(cols),compare_df, 0)

编辑：

对于比较，需要在列和列表中使用相同的类型，例如数字或对象（显然是字符串）

因此，这两个字符串值都是必需的：

cols = [str(x) for x in cols]
compare_df.loc[~compare_df['Predict'].isin(cols), 'Predict'] = 0

或对于这两个数字：

compare_df['Predict'] = compare_df['Predict'].astype(float)
compare_df.loc[~compare_df['Predict'].isin(cols), 'Predict'] = 0

如果不工作，则通过

.astype（float）

：

这是。 它比

np.where

更好，因为只有当值不在cols中时，才需要赋值0

new_df=df.where(df.isin(cols),0)
print(new_df)

---

如果有多个列：

new_df=df.copy()
new_df['Predict']=df['Predict'].where(df['Predict'].isin(cols),0)
print(new_df)
   Predict
0      100
1      200
2        0
3     2200
4        0
5        0
6     3600

---

如果它们有不同的类型：

new_df=df.copy()
new_df['Predict']=new_df['Predict'].astype(str) #this or the commented line depending on the type of cols and df ['Predict']
#new_df['predict']=new_df['Predict'].astype(int)
new_df['Predict']=df['Predict'].where(df['Predict'].isin(cols),0)
print(new_df)

---

这里所有的东西都是0，即使它是present@ganeshkaspate-什么是

打印（比较_df['Predict'].dtype）

？只有当该列值不存在于该数组中时，它才应该存在，否则，只有它给出的列值才应该存在object@ganeshkaspate-这意味着您将字符串与整数与列表进行比较。可能存在重复的

new_df=df.copy()
new_df['Predict']=new_df['Predict'].astype(str) #this or the commented line depending on the type of cols and df ['Predict']
#new_df['predict']=new_df['Predict'].astype(int)
new_df['Predict']=df['Predict'].where(df['Predict'].isin(cols),0)
print(new_df)