Python 有条件替换熊猫

我有一个DataFrame，我想用零替换特定列中超过某个值的值。我认为这是实现这一目标的一种方式：

df[df.my_channel > 20000].my_channel = 0

如果我将通道复制到一个新的数据帧中，很简单：

df2 = df.my_channel 

df2[df2 > 20000] = 0

这正是我想要的，但似乎无法将通道作为原始数据帧的一部分使用。

试试看

df.loc[df.my_channel > 20000, 'my_channel'] = 0

---

注意：从v0.20.0开始，

ix

支持

loc

/

iloc

.ix

索引器适用于0.20.0之前的pandas版本，但是由于pandas 0.20.0，因此

.ix

索引器是可用的，因此您应该避免使用它。相反，您可以使用

.loc

或

iloc

索引器。您可以通过以下方式解决此问题：

mask = df.my_channel > 20000
column_name = 'my_channel'
df.loc[mask, column_name] = 0

或者，在一行中

df.loc[df.my_channel > 20000, 'my_channel'] = 0

mask

帮助您选择

df.my_channel>20000

为

True

的行，而

df.loc[mask，column_name]=0

将值0设置为所选行，其中

mask

保存在名为

column_name

的列中

更新： 在这种情况下，您应该使用

loc

，因为如果使用

iloc

，您将得到一个

NotImplementedError

，告诉您基于整数类型的iLocation布尔索引不可用。

函数的工作原理如下：

df['X'] = np.where(df['Y']>=50, 'yes', 'no')

在您的情况下，您需要：

import numpy as np
df['my_channel'] = np.where(df.my_channel > 20000, 0, df.my_channel)

---

我会在

数据帧的
系列上使用
lambda
函数，如下所示：

f = lambda x: 0 if x>100 else 1
df['my_column'] = df['my_column'].map(f)

我不认为这是一种有效的方法，但它很有效
 原始数据帧未更新的原因是，可能会导致您修改数据帧的副本而不是视图。政府建议：

在对象中设置值时，必须注意避免
所谓链式索引

你有几个选择：-

+布尔索引
loc
可用于设置值并支持布尔掩码：

df.loc[df['my_channel'] > 20000, 'my_channel'] = 0

+布尔索引
您可以为系列分配：

df['my_channel'] = df['my_channel'].mask(df['my_channel'] > 20000, 0)

或者，您可以就地更新系列：

df['my_channel'].mask(df['my_channel'] > 20000, 0, inplace=True)

+布尔索引
当您的条件不满足时，您可以通过指定原始序列来使用NumPy；但是，前两个解决方案更干净，因为它们只显式更改指定的值

df['my_channel'] = np.where(df['my_channel'] > 20000, 0, df['my_channel'])

试试这个：

df.my_channel=df.my_channel.where（df.my_channel 20000，other=0）
谢谢。我也找到了自己的解决方案，那就是：df.my_channel[df.my_channel>20000]=0@BMichell我认为您的解决方案可能会在0.13中开始向您发出警告，没有机会尝试yetyield error:/opt/anaconda3/envs/python35/lib/python3.5/site packages/ipykernel_launcher.py:1:SettingWithCopyWarning:试图在数据帧的切片副本上设置值请参阅文档中的注意事项：““启动IPython内核的入口点。@RutgerHofste感谢您提到这一点，但另一个参数从未使用Python3。我认为您正在寻找的是它。这是低效的，不推荐使用，因为它涉及到行操作中的Python级循环。谢谢，我想我们可以在这里使用
loc
，比如
df.loc[：，'my_column']=df['my_column'].map（f）
。我不知道它是否像您在下面添加的那样快。不，仍然很慢，因为您仍然在按行而不是按列操作。