遍历行时如何使用掩码更新DataFrame中的值

Question

使用以下代码，当触发if语句并放置预测时，我试图将列df_test['placed']更新为= 1。虽然我无法正确更新此代码，但是代码可以编译，但对于所放置的各个预测都不会更新为= 1。

df_test['placed'] = np.zeros(len(df_test))
for i in set(df_test['id']) :
    mask = df_test['id']==i
    predictions = lm.predict(X_test[mask])
    j = np.argmax(predictions)
    if predictions[j] > 0 :
        df_test['placed'][mask][j] = 1
        print(df_test['placed'][mask][j])

Answer 1

回答您的问题

编辑：根据评论更改了建议

您代码的分配部分df_test['placed'][mask][j] = 1使用的是chained indexing。简而言之，您的分配只会更改DataFrame的临时副本，该副本会立即被丢弃，而不会更改原始DataFrame。

为避免这种情况，分配时的经验法则是：在单个DataFrame上仅使用一组方括号。对于您的问题，应该看起来像这样：

df_test.loc[mask.nonzero()[0][j], 'placed'] = 1

（我知道mask.nonzero()使用了两组方括号；实际上nonzero()返回了一个元组，而该元组的第一个元素是一个ndarray。但是数据帧仅使用一组，这是重要的部分。）

其他一些笔记

我在使用pandas（＆numpy）时有几点注意事项。

• Pandas和NumPy都具有称为广播的功能。基本上，如果您要为整个数组分配单个值，则无需先创建相同大小的数组；您只需分配单个值，pandas / NumPy就会自动为您找出如何应用它。因此，您的代码的第一行可以替换为df_test['placed'] = 0，并且可以完成相同的操作。

• 通常来说在处理熊猫和numpy对象时，循环不好；通常，您可以找到一种方法来使用广播，元素逐项操作和布尔索引的某种组合来执行循环。由于这些功能的设计方式，它的运行速度也将大大提高。不幸的是，我对lm.predict方法并不熟悉，但是您可以完全避免针对此代码的整个for循环。