Question

我有一个简单的DataFrame，如下所示：

Pandas DataFrame

我想从“第一季”列中选择所有值，并将那些超过1990年的值替换为1.在此示例中，只有Baltimore Ravens将1996年替换为1（保持其余数据完好无损）。

我使用了以下内容：

df.loc[(df['First Season'] > 1990)] = 1

但是，它将该行中的所有值替换为1，而不仅仅是“第一季”列中的值。

如何只替换该列中的值？

Answer 1

您需要选择该列：

In [41]:
df.loc[df['First Season'] > 1990, 'First Season'] = 1
df

Out[41]:
                 Team  First Season  Total Games
0      Dallas Cowboys          1960          894
1       Chicago Bears          1920         1357
2   Green Bay Packers          1921         1339
3      Miami Dolphins          1966          792
4    Baltimore Ravens             1          326
5  San Franciso 49ers          1950         1003

所以这里的语法是：

df.loc[<mask>(here mask is generating the labels to index) , <optional column(s)> ]

您可以查看docs以及显示语义的10 minutes to pandas

修改

如果你想生成一个布尔指示符，那么你可以使用布尔条件生成一个布尔系列并将dtype转换为int这会将True和False转换为{分别为{1}}和1：

0

Answer 2

聚会晚了一点，但仍然-我更喜欢在以下位置使用numpy：

import numpy as np
df['First Season'] = np.where(df['First Season'] > 1990, 1, df['First Season'])

Answer 3

df['First Season'].loc[(df['First Season'] > 1990)] = 1

奇怪的是没有人得到这个答案，代码中唯一缺少的部分是df之后的['First Season']，只需删除其中的大括号即可。

Answer 4

对于单个条件，即( 'employrate'] > 70 )

       country        employrate alcconsumption
0  Afghanistan  55.7000007629394            .03
1      Albania  51.4000015258789           7.29
2      Algeria              50.5            .69
3      Andorra                            10.17
4       Angola  75.6999969482422           5.57

使用此：

df.loc[df['employrate'] > 70, 'employrate'] = 7

       country  employrate alcconsumption
0  Afghanistan   55.700001            .03
1      Albania   51.400002           7.29
2      Algeria   50.500000            .69
3      Andorra         nan          10.17
4       Angola    7.000000           5.57

因此这里的语法是：

df.loc[<mask>(here mask is generating the labels to index) , <optional column(s)> ]

对于多个条件，即(df['employrate'] <=55) & (df['employrate'] > 50)

使用此：

df['employrate'] = np.where(
   (df['employrate'] <=55) & (df['employrate'] > 50) , 11, df['employrate']
   )

out[108]:
       country  employrate alcconsumption
0  Afghanistan   55.700001            .03
1      Albania   11.000000           7.29
2      Algeria   11.000000            .69
3      Andorra         nan          10.17
4       Angola   75.699997           5.57

因此这里的语法是：

 df['<column_name>'] = np.where((<filter 1> ) & (<filter 2>) , <new value>, df['column_name'])

Answer 5

df.loc[df['First season'] > 1990, 'First Season'] = 1

说明：

df.loc接受两个参数，“行索引”和“列索引”。我们正在检查该值是否大于“第一季”列下每个行值的27，然后将其替换为1。

Answer 6

我们可以使用以下语法更新df中的“第一季”列：

df['First Season'] = expression_for_new_values

要映射“第一季”中的值，我们可以使用pandas的.map（）方法，语法如下：

data_frame(['column']).map({'initial_value_1':'updated_value_1','initial_value_2':'updated_value_2'})

Answer 7

另一种选择是使用列表推导式：

DATABASE_URL=org.jenkinsci.plugins.plaincredentials.impl.StringCredentialsImpl@81bf833e

Answer 8

df.First Season.loc[(df['First Season'] > 1990)] = 1

你去了。小菜一碟。不客气。

Answer 9

df["First season"] = df["First season"].apply(lambda x : 1 if x > 1990 else x)

Pandas DataFrame：根据条件

9 个答案: