有条件替换 Pandas [重复]

问题描述：

我有一个 DataFrame，我想将特定列中超过某个值的值替换为零。我曾以为这是实现此目的的一种方法：

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

如果我将通道复制到新的数据框中，这很简单：

df2 = df.my_channel 

df2[df2 > 20000] = 0

这正是我想要的，但似乎不能将通道作为原始 DataFrame 的一部分来使用。

解决方案 1：

.ixindexer 在 pandas 0.20.0 之前的版本中工作正常，但从 pandas 0.20.0 开始，.ixindexer 已被弃用，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，用一行代码来表示，

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

mask帮助您选择其中的行df.my_channel > 20000，True同时df.loc[mask, column_name] = 0将值 0 设置为mask名称为 的列中选定的行column_name。

更新：
在这种情况下，您应该使用，loc因为如果您使用iloc，您将得到一个NotImplementedError告诉您基于 iLocation 的整数类型的布尔索引不可用。

解决方案 2：

尝试

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

注意： 从 v0.20.0 开始，ix已弃用而使用loc/ iloc。

解决方案 3：

np.where函数工作原理如下：

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

对于你的情况，你可能想要：

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

解决方案 4：

原始数据框未更新的原因是链式索引可能会导致您修改数据框的副本而不是视图。文档给出了以下建议：

在 pandas 对象中设置值时，必须小心避免所谓的链式索引。

您有几种选择：-

loc+ 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

mask+ 布尔索引

您可以为您的系列分配：

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

或者您可以就地更新您的系列：

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

np.where+ 布尔索引

当您的条件不满足时，您可以通过分配原始系列来使用 NumPy ；但是，前两个解决方案更清晰，因为它们仅明确更改指定的值。

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

解决方案 5：

尝试一下：

df.my_channel = df.my_channel.where(df.my_channel <= 20000, other= 0)

或者

df.my_channel = df.my_channel.mask(df.my_channel > 20000, other= 0)

解决方案 6：

我会像这样lambda在 a 上使用函数：Series`DataFrame`

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

我不敢肯定这是一种有效的方法，但是它确实有效。