Question

我有成对的df：

raw_data = {0: [5,4,6,8,9], 
        1: [4,8,1,2,5], 
        2: [42, 52, 36, 24, 73], 
        3: [0, 0, 0, 2, 1],
        4: [2, 2, 0, 2, 0]}
df = pd.DataFrame(raw_data, columns = [0,1,2,3,4])

我想设置任意零到它的对的值，例如在col 0第3行是0，所以它的对将是col 3 row 0，在这个例子中是8。

我可以通过迭代来实现：

for i in df.index:
    for j in df.columns:
        if df.loc[i,j] == 0:
            df.loc[i,j] = df.loc[j,i]

但它很慢。我可以应用函数或df方法快速完成此操作吗？

谢谢！

Answer 1

使用pd.DataFrame.fillna的转置，使用NaN和df调用替换0。

df[df != 0].fillna(df.T).astype(int)

   0  1   2   3   4
0  5  4  42   8   2
1  4  8  52   2   2
2  6  1  36  24  73
3  8  2  24   2   2
4  9  5  73   1   0

Answer 2

使用where/mask我们取消第一个参数为True的位置，并用第二个参数中的替代填充它。

df.where(df.astype(bool), df.T)

或者，

df.mask(df.eq(0), df.T)

    0   1   2   3   4
0   5   4   6   8   9
1   4   8   1   2   5
2  42  52  36  24  73
3   8   2  24   2   1
4   2   2  73   2   0

根据@cᴏʟᴅsᴘᴇᴇᴅ的建议，Numpy等效

pd.DataFrame(np.where(df, df, df.T), df.index, df.columns)

    0   1   2   3   4
0   5   4   6   8   9
1   4   8   1   2   5
2  42  52  36  24  73
3   8   2  24   2   1
4   2   2  73   2   0

Answer 3

您可以通过布尔

指定它

df[df==0]=df.T
df
Out[364]: 
   0  1   2   3   4
0  5  4  42   8   2
1  4  8  52   2   2
2  6  1  36  24  73
3  8  2  24   2   2
4  9  5  73   1   0

以成对pandas df更新值

3 个答案: