Question

我有一个pandas数据帧，结构如下：

import numpy as np
import pandas as pd
myData = pd.DataFrame({'x': [1.2,2.4,5.3,2.3,4.1], 'y': [6.7,7.5,8.1,5.3,8.3], 'condition':[1,1,np.nan,np.nan,1],'calculation': [np.nan]*5})

print myData

   calculation  condition    x    y
0          NaN          1  1.2  6.7
1          NaN          1  2.4  7.5
2          NaN        NaN  5.3  8.1
3          NaN        NaN  2.3  5.3
4          NaN          1  4.1  8.3

我想在＆＃39;计算＆＃39;中输入一个值。基于＆＃39; x＆＃39;中的值的列并且＆＃39; y＆＃39; （例如x / y）但仅限于那些条件为＆＃39;列包含NaN（np.isnan（myData [＆＃39; condition＆＃39;]）。最终的数据框应如下所示：

   calculation  condition    x    y
0          NaN          1  1.2  6.7
1          NaN          1  2.4  7.5
2        0.654        NaN  5.3  8.1
3        0.434        NaN  2.3  5.3
4          NaN          1  4.1  8.3

我对使用＆＃39; for＆＃39;依次单步执行每一行的想法感到高兴。循环，然后使用＆＃39;如果＆＃39;进行计算的语句，但我拥有的实际数据帧非常大，我想以基于数组的方式进行计算。这可能吗？我想我可以计算所有行的值，然后删除我不想要的那些但这似乎是很多浪费的努力（NaN在数据帧中非常罕见），在某些情况下，＆＃39 ;条件＆＃39;等于1，由于除零，无法进行计算。

提前致谢。

Answer 1

使用where并将条件传递给它，然后只会在符合条件的行中执行计算：

In [117]:

myData['calculation'] = (myData['x']/myData['y']).where(myData['condition'].isnull())
myData
Out[117]:
   calculation  condition    x    y
0          NaN          1  1.2  6.7
1          NaN          1  2.4  7.5
2     0.654321        NaN  5.3  8.1
3     0.433962        NaN  2.3  5.3
4          NaN          1  4.1  8.3

Answer 2

EdChum 的回答对我很有效！不过，我想扩展这个线程，因为我认为它对其他人有用。

假设您的数据框是

          c     x    y
0         1   1.2  6.7
1         1   2.4  7.5
2         0   5.3  8.1
3         0   2.3  5.3
4         1   4.1  8.3

并且您想用关联的 x/y 更新 c 列中的 0。

          c     x    y
0         1   1.2  6.7
1         1   2.4  7.5
2      0.65   5.3  8.1
3      0.43   2.3  5.3
4         1   4.1  8.3

你可以做到

myData['c'] = (myData['x']/myData['y']).where(cond=myData['c']==0, other=myData['c'])

或

myData['c'].where(cond=myData['c'] != 0, other=myData['x']/myData['y'], inplace=True)

在不满足 'cond' 的两种情况下，都会执行 'other'。在第二个代码片段中，就地标志也能很好地工作（就像在第一个代码片段中一样。）

我从 pandas official site "where" 和 pandas official site "indexing"

找到了这些解决方案

这种操作正是我大部分时间所需要的。我是 Pandas 的新手，我花了一段时间才找到这个有用的线程。谁能推荐一些综合教程来练习这些类型的算术运算？我需要“过滤/分组/切片一个数据帧，然后将不同的功能/操作分别或一次性应用于每个组/切片，并将其保持原位。”干杯！

pandas数据帧中的条件列算法

2 个答案: