Python 熊猫:使用iloc根据条件更改df列值
拿一个数据帧,比如说Python 熊猫:使用iloc根据条件更改df列值,python,pandas,dataframe,Python,Pandas,Dataframe,拿一个数据帧,比如说 df = pd.DataFrame([[1,2],[3,4],[5,6]],columns=['A','B']) A B 0 1 2 1 3 4 2 5 6 现在我想更改第一列中的单元格。 我可以这样做: df.loc[df['A'] > 1,'A'] = 10 A B 0 1 2 1 10 4 2 10 6 但是如果我没有任何列名呢? df.iloc[:,0]>1为我提供了与df['A']>1相同的掩码 而 d
df = pd.DataFrame([[1,2],[3,4],[5,6]],columns=['A','B'])
A B
0 1 2
1 3 4
2 5 6
现在我想更改第一列中的单元格。我可以这样做:
df.loc[df['A'] > 1,'A'] = 10
A B
0 1 2
1 10 4
2 10 6
但是如果我没有任何列名呢?
df.iloc[:,0]>1
为我提供了与df['A']>1相同的掩码
而
df.loc[df.iloc[:,0] > 1,'A'] = 10
非常好用
使用
df.iloc[df.iloc[:,0] > 1,1] = 10
在初始df上,以某种方式返回此错误:
NotImplementedError:整数类型上基于iLocation的布尔索引不可用
是否有办法仅使用整数索引来更改特定单元格?使用介于.loc
和.iloc
之间的混合索引:
.ix[]支持混合整数和基于标签的访问。它主要基于标签,但会退回到整数位置访问,除非相应的轴是整数类型
就你而言:
In [1]: df.ix[df.iloc[:,0]>1,1] = 10
In [2]: df
Out[2]:
A B
0 1 2
1 3 10
2 5 10
Edit:.ix
现在已被正式弃用(从0.20.0开始,请参阅)
您可以使用.loc
并改用df.columns[i]
,例如,与上述等效的是:
df.loc[df.iloc[:,0]>1,df.columns[1]] = 10
通过使用布尔掩码将np.arange(len(df))
切片生成位置索引
df.iloc[np.arange(len(df))[df.values[:, 0] > 1], 0] = 10
df
一致认为ix
将消失。是的,这个答案已经被弃用了(@lotrus28该答案确实包含2017年以来的弃用链接)