Question

目标是用零替换某些列中的所有负值（“capped1”和“capped2”但不是“signed”）。需要通过正则表达式选择列。（实际df具有> 1000列，名称更复杂）

我想出了：

import pandas as pd
import re
import numpy as np
index = [1,2,3,4]
d = {'capped1': [1,0,-1,np.nan], 'capped2': [2,0,np.nan,-9999],'signed':[2,0,-3,np.nan]}
df = pd.DataFrame(data=d, index=index)
df_right = df.filter(regex=("capped.*")).clip(lower=0)
df_left = df.drop(list(df_right.columns), 1)
df_out = df_left.merge(df_right,left_index=True,right_index=True,how="outer")
df_out

有更好的方法吗？我的猜测是，这可以替换为一行而不是3，直接替换df中的值。

Answer 1

选项1
将pd.DataFrame.update与pd.DataFrame.clip一起使用这样就编辑了df

df.update(df.filter(regex="^capped.*$").clip(lower=0))
df

   capped1  capped2  signed
1      1.0      2.0     2.0
2      0.0      0.0     0.0
3      0.0      NaN    -3.0
4      NaN      0.0     NaN

选项2
使用pd.DataFrame.assign和np.maximum
这会生成副本并单独留下df 我使用np.maximum作为变种。我可以使用pd.DataFrame.clip
请注意，我使用**将np.maximum返回的数据帧解包为字典。它相当于**{c: s for c, s in d.iteritems()}，其中d是np.maximum

的返回值

df.assign(**np.maximum(df.filter(regex='^capped.*'), 0))

   capped1  capped2  signed
1      1.0      2.0     2.0
2      0.0      0.0     0.0
3      0.0      NaN    -3.0
4      NaN      0.0     NaN

Answer 2

您可以获取列名称，然后仅在子集中应用函数：

cols = df.columns[df.columns.str.contains('^capped.*')]
print (cols)
Index(['capped1', 'capped2'], dtype='object')

df[cols] = df[cols].clip(lower=0)
print (df)
   capped1  capped2  signed
1      1.0      2.0     2.0
2      0.0      0.0     0.0
3      0.0      NaN    -3.0
4      NaN      0.0     NaN

类似的解决方案：

m = df.columns.str.contains('^capped.*')
print (m)
[ True  True False]

df.loc[:, m] = df.loc[:, m].clip(lower=0)
print (df)
   capped1  capped2  signed
1      1.0      2.0     2.0
2      0.0      0.0     0.0
3      0.0      NaN    -3.0
4      NaN      0.0     NaN

Jon Clements评论的好主意 - 使用regex没有必要，可以使用startswith：

 cols = df.columns[df.columns.str.startswith('capped')]
 m = df.columns.str.startswith('capped')

在匹配正则表达式的列中，Pandas将负值替换为零

2 个答案: