Question

我的数据框中有一个列，其值为O，但False或0的行在功能上有所不同。

我希望将df["col_name"] = df["col_name"].replace(0,2)或False值转换为其他值

这样做的好方法是什么？

使用替换效果不佳

df["col_name"] = df["col_name"].replace(False,2)也会转换0值

和

v[0]也会转换v.push_back(temp);值

Answer 1

您可以使用mask将值替换为boolean mask - 此解决方案的优势是不原始types已更改：

df = pd.DataFrame({'Col':[1, False, 0]})

df['Col'] = df['Col'].mask(df['Col'].astype(str) == '0', 2).replace(False, 3)
print (df)
   Col
0    1
1    3
2    2

使用dict str的解决方案，但Series.replace首先转换为str也可以，但通常会将所有值转换为d = {'0':'Zero', 'False':False} df = df['Col'].astype(str).replace(d) print (df) 0 1 1 False 2 Zero Name: Col, dtype: object真实的数据可能有问题。

bools

我尝试使用astype创建更一般的解决方案，然后按isinstance检查df = pd.DataFrame({'Col':[1, False, 0, True,5]}) print (df) Col 0 1 1 False 2 0 3 True 4 5 m = df['Col'].apply(lambda x: isinstance(x, bool)) df['Col'] = df['Col'].mask(m, df['Col'].map({False:2, True:3})) print (df) Col 0 1 1 2 2 0 3 3 4 5：

mapView.requestScreenshot();

Answer 2

让我们使用astype：

df = pd.DataFrame({'Datavalue':[1,False,0]})

df.Datavalue.astype(str) == "0"

输出：

0    False
1    False
2     True
Name: Datavalue, dtype: bool

df.loc[df.Datavalue.astype(str) == "0",'Datavalue'] = "Zero"

输出：

  Datavalue
0         1
1     False
2      Zero

Answer 3

您可以转换为str类型，然后使用df.str.replace：

In [223]: df = pd.DataFrame({'Col':[1, False, 0]})

In [224]: df.Col.astype(str).replace('0', 'Zero').replace('False', np.nan)
Out[224]: 
0       1
1     NaN
2    Zero

Answer 4

使用jezrael的数据框df

df = pd.DataFrame({'Col':[1, False, 0]})

选项1
如果只有三个值，1,0或False，则bool类型与False

一样好

df.Col.mask(df.Col.apply(type) == bool, 2)

0    1
1    2
2    0
Name: Col, dtype: object

选项2
您可以使用python is运算符

False is 0

False

并像之前一样使用mask

df.mask(df.Col.apply(lambda x: x is False), 2)

0    1
1    2
2    0
Name: Col, dtype: object

在具有混合值的数据框架中区分0和False的简便方法

4 个答案: