Question

我是python的新手（来自R），我不知道如何在python中遍历数据帧。我在下面提供了一个数据框以及可能的“干预措施”列表。我要尝试的是在数据框中的“干预”列中进行搜索，如果干预在“ intervention_list”中，则将值替换为“是干预”，但如果将“ NaN”替换为“无干预”。

任何指导或帮助将不胜感激。

import pandas as pd
intervention_list = ['Intervention 1', 'Intervention 2']
df = pd.DataFrame({'ID':[100,200,300,400,500,600,700],
                  'Intervention':['Intervention 1', 'NaN','NaN','NaN','Intervention 2','Intervention 1','NaN']})
print(df)

我希望完成的数据帧如下所示：

df_new = pd.DataFrame({'ID':[100,200,300,400,500,600,700],
                  'Intervention':['Yes Intervention', 'No Intervention','No Intervention','No Intervention','Yes Intervention','Yes Intervention','No Intervention']})
print(df_new)

谢谢！

Answer 1

在熊猫中最好避免循环，因为它很慢，因此请使用numpy.where或Series.isna来测试缺失值，或者 Series.notna用于矢量化解决方案：

df['Intervention'] = np.where(df['Intervention'].isna(),'No Intervention','Yes Intervention')

或者：

df['Intervention'] = np.where(df['Intervention'].notna(),'Yes Intervention','No Intervention')

如果NaN是字符串，则通过==或Series.eq进行测试：

df['Intervention']=np.where(df['Intervention'].eq('NaN'),'No Intervention','Yes Intervention')

但是如果还需要在列表中进行测试，请使用numpy.select：

m1 = df['Intervention'].isin(intervention_list)
m2 = df['Intervention'].isna()

#if not match m1 or m2 create default None
df['Intervention'] = np.select([m1, m2],
                              ['Yes Intervention','No Intervention'],
                              default=None)

#if not match m1 or m2 set original value column Intervention
df['Intervention'] = np.select([m1, m2],
                              ['Yes Intervention','No Intervention'],
                              default=df['Intervention'])

遍历数据帧并根据条件替换值

1 个答案: