Question

我想屏蔽索引与列名相同的Pandas DataFrame中的值。例如：

import pandas as pd
import numpy as np

a = pd.DataFrame(np.arange(12).reshape((4, 3)),
                 index=["a", "b", "c", "d"],
                 columns=["a", "b", "c"])

   a   b   c
a  0   1   2
b  3   4   5
c  6   7   8
d  9  10  11

遮罩后：

   a   b   c
a NaN  1   2
b  3  NaN  5
c  6   7  NaN
d  9  10  11

看起来很简单，但我不确定如何以Python的方式进行操作而无需迭代。

Answer 1

尝试使用pd.DataFrame.apply将条件应用于与索引与系列/列名称匹配的每个数据框列。 apply的结果是一个布尔数据框，并使用pd.Dataframe.mask：

a.mask(a.apply(lambda x: x.name == x.index))

输出：

     a     b     c
a  NaN   1.0   2.0
b  3.0   NaN   5.0
c  6.0   7.0   NaN
d  9.0  10.0  11.0

此外，inspired by @QuangHoang您可以使用np.equal.outer：

a.mask(np.equal.outer(a.index, a.columns))

输出：

     a     b     c
a  NaN   1.0   2.0
b  3.0   NaN   5.0
c  6.0   7.0   NaN
d  9.0  10.0  11.0

Answer 2

使用DataFrame.stack和index.get_level_values：

st = a.stack()
m = st.index.get_level_values(0) == st.index.get_level_values(1) 
a = st.mask(m).unstack()

     a     b     c
a  NaN   1.0   2.0
b  3.0   NaN   5.0
c  6.0   7.0   NaN
d  9.0  10.0  11.0

Answer 3

您也可以使用广播：

a.mask(a.index[:,None] == a.columns[None,:])

或

a.mask(a.index.values[:,None] == a.columns.values[None,:])

输出：

     a     b     c
a  NaN   1.0   2.0
b  3.0   NaN   5.0
c  6.0   7.0   NaN
d  9.0  10.0  11.0

遮罩列名等于索引（熊猫）的单元格

3 个答案: