有条件替换熊猫

我有一个DataFrame，我想用超过零的值替换特定列中的值。我以为这是实现此目标的一种方式：

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

如果将通道复制到新的数据框中，这很简单：

df2 = df.my_channel 

df2[df2 > 20000] = 0

这完全符合我的要求，但似乎无法与通道一起用作原始DataFrame的一部分。

.ixindexer可以在0.20.0之前的熊猫版本上正常工作，但是由于pandas为0.20.0 ，因此不推荐使用.ix indexer ，因此应避免使用它。而是可以使用或索引器。您可以通过以下方法解决此问题：.lociloc

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

或者，一行

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

mask帮助您选择这些行df.my_channel > 20000为True，而df.loc[mask, column_name] = 0将值0到所选择的行，其中mask在其名称是列存放column_name。

更新： 在这种情况下，应该使用，loc因为如果使用iloc，则会NotImplementedError告诉您基于iLocation的基于整数类型的布尔索引不可用。

尝试

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

注： 由于v0.20.0，ix 已被弃用，赞成loc/ iloc。

np.where 功能如下：

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)

原始数据框不更新的原因是，链接索引可能会导致您修改副本而不是数据框的视图。该文档提供了以下建议：

在熊猫对象中设置值时，必须注意避免所谓的链接索引。

您有几种选择：-

loc +布尔索引

loc 可以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

您可以分配给您的系列：

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)

np.where +布尔索引

您可以通过分配当你的条件原系列使用NumPy的未满足的; 但是，前两种解决方案更干净，因为它们仅显式更改指定的值。

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

我会用lambda一个函数Series的DataFrame是这样的：

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

我没有断言这是一种有效的方法，但是效果很好。

试试这个：

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

要么

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