Question

我已尝试在Stack Overflow上搜索此内容，但似乎无法找到相同的方案。我正在尝试使用相同的功能在一行代码中更新我的pandas数据帧中的多个列。我可以单独更新每个列，但希望该函数同时更新多个列。

该功能是基本的：

binary_values = lambda x: 0 if x == -99 else 1

我知道我可以将标量值分配给数据帧的各个部分，如下所示：

df.ix[:,22:26] = 1

我正在尝试做类似下面的事情：

df.ix[:,22:26] = df.ix[:,22:26].apply(binary_values)

...但它抛出了ValueError :('系列的真值是不明确的。使用a.empty，a.bool（），a.item（），a.any（）或a.all（）。'，'发生在索引......'）

Answer 1

您的lambda函数未进行矢量化，您需要applymap将其应用于数据框的每个元素：

df.iloc[:,22:26] = df.iloc[:,22:26].applymap(binary_values)

实施例：

df = pd.DataFrame({
    "A":[1,2,3,-99,5,3],
    "B":[2,3,5,2,-99,2],
    "C":[-99,3,2,1,4,5]
})

binary_values = lambda x: 0 if x == -99 else 1
df.iloc[:,1:] = df.iloc[:,1:].applymap(binary_values)

df

#   A   B   C
#0  1   1   0
#1  2   1   1
#2  3   1   1
#3  -99 1   1
#4  5   0   1
#5  3   1   1

更简单（矢量化）选项检查相等性，然后将数据类型转换为int：

df.iloc[:,1:] = df.iloc[:,1:].ne(-99).astype(int)

df
#   A   B   C
#0  1   1   0
#1  2   1   1
#2  3   1   1
#3  -99 1   1
#4  5   0   1
#5  3   1   1

使用函数更新pandas数据框中的多个列

1 个答案: