如果范围中的值大于零,我想替换数据框中列范围内的值与另一列中的对应值。
我认为像这样的简单替换会起作用:
df = df.loc[:,'A':'D'].replace(1, df['column_with_value_I_want'])
但事实上,除了column_with_value_I_want
之外,这实际上没有任何意义,这完全是无意的,我不确定为什么会这样。
这似乎不起作用:
df[df.loc[:,'A':'D']] > 0 = df['column_with_value_I_want']
它返回错误:SyntaxError: can't assign to comparison
。
这似乎应该是直截了当的,但在尝试了几件不同的事情后,我感到很茫然。
我正在使用的数据框看起来像这样:
df = pd.DataFrame({'A' : [1,0,0,1,0,0],
'B' : [1,0,0,1,0,1],
'C' : [1,0,0,1,0,1],
'D' : [1,0,0,1,0,0],
'column_with_value_I_want' : [22.0,15.0,90.0,10.,None,557.0],})
答案 0 :(得分:1)
不知道如何在Pandas本身中做到这一点,但如果你下降到numpy并不是那么困难。
如果你足够幸运,以便你的整个DataFrame都是数字的,你可以这样做:
import numpy as np
m = df.as_matrix()
>>> pd.DataFrame(
np.where(np.logical_or(np.isnan(m), m > 0), np.tile(m[:, [4]], 5), m),
columns=df.columns)
A B C D column_with_value_I_want
0 22 22 22 22 22
1 0 0 0 0 15
2 0 0 0 0 90
3 10 10 10 10 10
4 0 0 0 0 NaN
5 0 557 557 0 557
as_matrix
将DataFrame转换为numpy array
。np.where
是numpy
的三元条件。np.logical_or
是numpy
或。np.isnan
检查值是否为nan
。np.tile
个tile(在本例中为一个2d单列到矩阵。不幸的是,如果你的某些列(甚至那些没有参与此操作的列)本质上是非数字的,上述操作将会失败。在这种情况下,您可以执行以下操作:
for col in ['A', 'B', 'C', 'D']:
df[col] = np.where(df[col] > 0, df[col], df.column_with_value_I_want)
只要5个相关列是数字的,它就会起作用。
这使用了一个循环(在数值Python中不赞成),但至少它是通过列而不是行来实现的。假设您的数据比较宽,那应该没问题。