Question

我的数据框看起来如下

     col1 col2 col3
0   a     d    0
1   b     e    1
2   c     f    0
3   x     t    1
.................

我想将值为1的col3更改为col2中的对应值

结果将是

   col1 col2 col3
0   a     d    0
1   b     e    e
2   c     f    0
3   x     t    t
.................

df[['col1','col2','col3']].applymap(lambda x: df['col2'] if x==1 else x)

上面给出了错误

任何人都知道如何用熊猫做到这一点？

Answer 1

使用：

df.loc[df.col3 == 1, 'col3'] = df.col2

或者：

df.col3 = df.col3.mask(df.col3 == 1, df.col2)
#df.col3 = df.col3.where(df.col3 != 1, df.col2)
#df.col3 = np.where(df.col3 == 1, df.col2, df.col3)

print (df)
  col1 col2 col3
0    a    d    0
1    b    e    e
2    c    f    0
3    x    t    t

编辑：

使用apply + lambda缓慢解决方案：

df = df.apply(lambda x: x['col2'] if x['col3']==1 else x, axis=1)

<强>计时：

#[40000 rows x 3 columns]
df = pd.concat([df] * 10000, ignore_index=True)

In [42]: %timeit df.col3 = np.where(df.col3 == 1, df.col2, df.col3)
100 loops, best of 3: 3.97 ms per loop

In [43]: %timeit df.loc[df.col3 == 1, 'col3'] = df.col2
100 loops, best of 3: 6.81 ms per loop

In [44]: %timeit df.col3 = df.col3.mask(df.col3 == 1, df.col2)
100 loops, best of 3: 4.95 ms per loop

In [45]: %timeit df.col3 = df.col3.where(df.col3 != 1, df.col2)
100 loops, best of 3: 4.8 ms per loop

In [47]: %timeit df.apply(lambda x: x['col2'] if x['col3']==1 else x, axis=1)
1 loop, best of 3: 3.39 s per loop

将值从pandas中的另一列更改为相应的值

1 个答案: