我的目标是有条件地对数据帧进行索引,并更改列中这些索引的值。
我打算在列"A"中查找条目="A",并用单词"OK"更新其列"B"。
group = ['a']
df = pd.DataFrame({"A": [a,b,a,a,c], "B": [NaN,NaN,NaN,NaN,NaN]})
>>>df
A B
0 a NaN
1 b NaN
2 a NaN
3 a NaN
4 c NaN
df[df['A'].apply(lambda x: x in group)]['B'].fillna('okay', inplace=True)
这给了我以下错误:
使用复制警告设置:
试图在DataFrame 的切片副本上设置值
请参阅文档中的注意事项:http://pandas.pydata.org/pandas-docs/stable/indexing.html#indexing-查看与复制自我_更新位置(新数据(
根据文件(我对它的理解(,我尝试了以下方法:
df[df['A'].apply(lambda x: x in group)].loc[:,'B'].fillna('okay', inplace=True)
我不明白为什么"NaN"到"OK"的重新分配没有原位发生,以及如何纠正?
谢谢。
尝试使用lambda:
解决方案优先:
>>> df
A B
0 a NaN
1 b NaN
2 a NaN
3 a NaN
4 c NaN
使用lambda
+map
或apply
。。
>>> df["B"] = df["A"].map(lambda x: "okay" if "a" in x else "NaN")
OR# df["B"] = df["A"].map(lambda x: "okay" if "a" in x else np.nan)
OR# df['B'] = df['A'].apply(lambda x: 'okay' if x == 'a' else np.nan)
>>> df
A B
0 a okay
1 b NaN
2 a okay
3 a okay
4 c NaN
解决方案二:
>>> df
A B
0 a NaN
1 b NaN
2 a NaN
3 a NaN
4 c NaN
创建Dictionary框架并使用map
函数将其应用于整个列的另一种奇特方法:
>>> frame = {'a': "okay"}
>>> df['B'] = df['A'].map(frame)
>>> df
A B
0 a okay
1 b NaN
2 a okay
3 a okay
4 c NaN
解决方案三:
这已经由@d_kennetz发布了,但你只想一起俱乐部,你也可以一次完成两列(A和B(的任务:。。
>>> df.loc[df.A == 'a', 'B'] = "okay"
如果我正确理解这一点,您只需要替换那些与给定条件匹配的行上的列的值(即,其中A
列属于某个组,此处为单个值'a'
(。以下应该可以做到:
import pandas as pd
group = ['a']
df = pd.DataFrame({"A": ['a','b','a','a','c'], "B": [None,None,None,None,None]})
print(df)
df.loc[df['A'].isin(group),'B'] = 'okay'
print(df)
我们在这里所做的是使用.loc
过滤器,它只返回现有数据帧的视图。
第一个自变量(df['A'].isin(group)
(过滤那些与给定条件匹配的行。请注意,您可以使用相等运算符(==
(,但不能使用in
运算符,因此必须使用.isin()
(。
第二个参数只选择"B"列。然后您只需指定所需的值(它是一个常量(。
这是输出:
A B
0 a None
1 b None
2 a None
3 a None
4 c None
A B
0 a okay
1 b None
2 a okay
3 a okay
4 c None
如果你想更喜欢的东西,你可能想做以下事情:
import pandas as pd
group = ['a', 'b']
df = pd.DataFrame({"A": ['a','b','a','a','c'], "B": [None,None,None,None,None]})
df.loc[df['A'].isin(group),'B'] = "okay, it was " + df['A']+df['A']
print(df)
这给了你:
A B
0 a okay, it was aa
1 b okay, it was bb
2 a okay, it was aa
3 a okay, it was aa
4 c None