熊猫：如果符合条件，则从另一列更新列值

Question

我有一个DataFrame：

   A B

1: 0 1
2: 0 0 
3: 1 1
4: 0 1
5: 1 0

如果来自列A 的值等于0，我想用列B 的值更新DataFrame的每个项目列A 。

我想要获取的DataFrame：

   A B

1: 1 1
2: 0 0 
3: 1 1
4: 1 1
5: 1 0

我已经尝试过此代码

df['A'] = df['B'].apply(lambda x: x if df['A'] == 0 else df['A'])

它引发错误：The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().

Answer 1

使用where

In [348]: df.A = np.where(df.A.eq(0), df.B, df.A)

In [349]: df
Out[349]:
    A  B
1:  1  1
2:  0  0
3:  1  1
4:  1  1
5:  1  0

Answer 2

df['A'] = df.apply(lambda x: x['B'] if x['A']==0 else x['A'], axis=1)

输出

    A  B
1:  1  1
2:  0  0
3:  1  1
4:  1  1
5:  1  0

Answer 3

您可以使用遮罩执行此操作：

df = pd.DataFrame()
df['A'] = [0,0,1,0,1]
df['B'] = [1,0,1,1,0]
mask = (df.A == 0)
df.loc[mask,'A'] = df.loc[mask,'B']

    A   B
0   1   1
1   0   0
2   1   1
3   1   1
4   1   0

编辑： 好的，这实际上是一个无效的解决方案：

%timeit df.loc[mask,'A'] = df.loc[mask,'B']
%timeit df.apply(lambda x: x['B'] if x['A']==0 else x['A'], axis=1)
%timeit np.where(df.A.eq(0), df.B, df.A)

5.52 ms ± 556 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
1.27 ms ± 167 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
796 µs ± 89.2 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

因此，感谢您使用np.where的高效解决方案为零！