根据熊猫中的条件更改数据框的第一行

Question

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。

Answer 1

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

Answer 2

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。