我有2列,我只希望将其第三列更新为1列。
我有-
df = pd.DataFrame({'A':[1,1,2,3,4,4],
'B':[2,2,4,3,2,1],
'C':[0] * 6})
print (df)
A B C
0 1 2 0
1 1 2 0
2 2 4 0
3 3 3 0
4 4 2 0
5 4 1 0
如果A = 1和B = 2,那么只有第一行的C = 1这样-
print (df)
A B C
0 1 2 1
1 1 2 0
2 2 4 0
3 3 3 0
4 4 2 0
5 4 1 0
现在我已使用
df.loc[(df['A']==1) & (df['B']==2)].iloc[[0]].loc['C'] = 1
但是它并没有在整个数据框中进行更改。
答案 0 :(得分:0)
如果总是匹配至少一行的解决方案:
创建布尔值掩码并通过idxmax
将其设置为第一个True
索引值:
mask = (df['A']==1) & (df['B']==2)
df.loc[mask.idxmax(), 'C'] = 1
但是如果没有匹配的值idxmax
返回第一个False
值,则添加if-else
:
mask = (df['A']==1) & (df['B']==2)
idx = mask.idxmax() if mask.any() else np.repeat(False, len(df))
df.loc[idx, 'C'] = 1
print (df)
A B C
0 1 2 1
1 1 2 0
2 2 4 0
3 3 3 0
4 4 2 0
5 4 1 0
mask = (df['A']==10) & (df['B']==20)
idx = mask.idxmax() if mask.any() else np.repeat(False, len(df))
df.loc[idx, 'C'] = 1
print (df)
A B C
0 1 2 0
1 1 2 0
2 2 4 0
3 3 3 0
4 4 2 0
5 4 1 0
答案 1 :(得分:0)
使用pd.Series.cumsum
确保仅满足 first 匹配条件:
mask = df['A'].eq(1) & df['B'].eq(2)
df.loc[mask & mask.cumsum().eq(1), 'C'] = 1
print(df)
A B C
0 1 2 1
1 1 2 0
2 2 4 0
3 3 3 0
4 4 2 0
5 4 1 0
如果要考虑性能,请参见Efficiently return the index of the first value satisfying condition in array。