我很难找到解决pandas数据帧问题的方法。
问题：在pandas数据框中的行中，如果单元格等于1，请将其替换为数据框最后一列中找到的单元格值。我已经构建并填充了初始数据框，但是无法继续下一步。
数据框：数据框的示例（初始和已完成）：
Intitial_dataframe：
fNum 1 2 3 4 5 6 7 labelx
Index
1 1 0 1 1 1 0 0 0 2
2 1 0 0 1 1 0 0 0 2
4 1 0 0 0 0 0 1 0 3
5 1 0 0 0 0 0 0 0 0
6 1 0 0 1 0 0 0 0 3
7 1 0 0 0 1 0 0 0 3
1 2 0 1 0 0 0 0 0 2
2 2 1 1 1 0 0 0 0 2
3 2 1 1 1 0 0 0 0 2
4 2 1 1 0 0 0 0 0 2
5 2 0 0 0 0 1 0 0 0
6 2 0 0 0 0 1 1 1 3
7 2 0 0 0 0 1 1 1 3
Finished_dataframe：
fNum 1 2 3 4 5 6 7 labelx
Index
1 1 0 2 2 2 0 0 0 2
2 1 0 0 2 2 0 0 0 2
4 1 0 0 0 0 0 3 0 3
5 1 0 0 0 0 0 0 0 0
6 1 0 0 3 0 0 0 0 3
7 1 0 0 0 3 0 0 0 3
1 2 0 2 0 0 0 0 0 2
2 2 2 2 2 0 0 0 0 2
3 2 2 2 2 0 0 0 0 2
4 2 2 2 0 0 0 0 0 2
5 2 0 0 0 0 0 0 0 0
6 2 0 0 0 0 3 3 3 3
7 2 0 0 0 0 3 3 3 3
尝试的最新路径：
dfIX = Intitial_dataframe.ix[:, 2:8] #<--The "body" of the data
labelx_frame = Intitial_dataframe.ix[:, 8:9] #<-- The labelx column
dfIX[dfIX>0] = labelx_frame #<-- Attempt to replace values, nan instead
这为先前为1的所有细胞提供了纳米。
真诚的求助要求：
我对熊猫和蟒蛇都很陌生，并且花了几个小时来讨论阅读大熊猫和数据帧操作无济于事。任何建议将不胜感激！提前感谢您的时间和帮助。
答案 0 :(得分：1)
我重新创建了部分数据，因为输入数据最初是作为图片发布的，而不是可复制的文本。我会留给您根据您的具体数据调整此方法。
使用numpy.where，这是最简单且无疑最易读的方法：
>>> df = pd.DataFrame({1: [0,0,0,1,1,0,0,1,0,1], 2: [1,1,1,1,0,0,0,0,1,0], 3: [1,1,0,1,0,0,0,1,1,0], 'label_x': [2,2,3,0,0,2,3,2,2,2]})
>>> df
1 2 3 label_x
0 0 1 1 2
1 0 1 1 2
2 0 1 0 3
3 1 1 1 0
4 1 0 0 0
5 0 0 0 2
6 0 0 0 3
7 1 0 1 2
8 0 1 1 2
9 1 0 0 2
>>> for c in df:
... if c != 'label_x':
... df[c] = np.where(df[c] == 1, df['label_x'], df[c])
...
>>> df
1 2 3 label_x
0 0 2 2 2
1 0 2 2 2
2 0 3 0 3
3 0 0 0 0
4 0 0 0 0
5 0 0 0 2
6 0 0 0 3
7 2 0 2 2
8 0 2 2 2
9 2 0 0 2
以下是另一种方法，但我只是将此作为＆＃34; power＆＃34;的一个例子。 （我不知道这是否是正确的词......）。这实际上是我最初解决你的问题的方式，但认为只提供这个有点多。如果我是你，我宁愿numpy.where。但这仅仅是为了示范：
# Here is where we use a dictionary to get the new values from the final column
>>> new_values = {c: [df.loc[idx, 'label_x'] if val == 1 else val for idx, val in enumerate(df[c])] for c in df[list(filter(lambda x: x != 'label_x', df))]}
>>> new_values
{1: [0, 0, 0, 0, 0, 0, 0, 2, 0, 2], 2: [2, 2, 3, 0, 0, 0, 0, 0, 2, 0], 3: [2, 2, 0, 0, 0, 0, 0, 2, 2, 0]}
# We can just create a new dataframe with the "new" columns made above
# and the original label_x column
>>> new_df = pd.DataFrame({**new_values, **{'label_x': df['label_x'].values}})
>>> new_df
1 2 3 label_x
0 0 2 2 2
1 0 2 2 2
2 0 3 0 3
3 0 0 0 0
4 0 0 0 0
5 0 0 0 2
6 0 0 0 3
7 2 0 2 2
8 0 2 2 2
9 2 0 0 2
而且，看看那个！我们得到了同样的答案。
有关所有这些**的内容的更多信息，请参阅Unpacking generalizations in Python 3。它是合并字典的有效语法。
您还可以考虑这样做，基本上遍历new_values中每个列的相应列表：
for c in [1,2,3]:
df[c] = new_values[c]
有很多方法可以给这只猫上皮！
答案 1 :(得分：0)
您也可以只使用numpy执行此操作。
df = pd.DataFrame({1: [0,0,0,1,1,0,0,1,0,1], 2: [1,1,1,1,0,0,0,0,1,0], 3: [1,1,0,1,0,0,0,1,1,0], 'label_x': [2,2,3,0,0,2,3,2,2,2]})
1 2 3 label_x
0 0 1 1 2
1 0 1 1 2
2 0 1 0 3
3 1 1 1 0
4 1 0 0 0
5 0 0 0 2
6 0 0 0 3
7 1 0 1 2
8 0 1 1 2
9 1 0 0 2
而且，这个
mask = df.values[:, :-1] == 1
df.values[:, :-1] = np.where(mask, mask * df.values[:, -1:], df.values[:, :-1])
产量，
1 2 3 label_x
0 0 2 2 2
1 0 2 2 2
2 0 3 0 3
3 0 0 0 0
4 0 0 0 0
5 0 0 0 2
6 0 0 0 3
7 2 0 2 2
8 0 2 2 2
9 2 0 0 2