我有一个数据框:
df = pd.DataFrame({'A': [0, 1, 2, 3, 4],
'B': [5, '-', '-', 8, 9],
'C': ['-', 'b', 'c', '-', 'e']})
如果df['B']
和df['C']
,如何使用df['B']='-'
中的相应值替换df['C']!= '-'
中的值。
预期输出:
({'A': [0, 1, 2, 3, 4],
'B': [5, 'b', 'c', 8, 9],
'C': ['-', 'b', 'c', '-', 'e']})
我用过:
replace = (df['B'] == '-') & (df['C'] != '-')
df['B'][replace1] = df['C']
还有什么更好的方法吗?
答案 0 :(得分:4)
答案 1 :(得分:1)
您可以使用索引来更新值,如下所示:
import pandas as pd
df = pd.DataFrame({'A': [0, 1, 2, 3, 4],
'B': [5, '-', '-', 8, 9],
'C': ['-', 'b', 'c', '-', 'e']})
for index, row in df.iterrows():
if(row['B'] == '-' and row['C']!='-'):
df.loc[index,'B'] = df.loc[index,'C']
答案 2 :(得分:1)
您很近,请使用DataFrame.loc
:
replace = (df['B'] == '-') & (df['C'] != '-')
df.loc[replace, 'B'] = df['C']
print (df)
A B C
0 0 5 -
1 1 b b
2 2 c c
3 3 8 -
4 4 9 e
我很好奇这里是否np.where
更快,并且样本数据重复100000
次不是:
实际数据中的数据应该有所不同,具体取决于DataFrame的长度和匹配值的数量。
df = pd.DataFrame({'A': [0, 1, 2, 3, 4],
'B': [5, '-', '-', 8, 9],
'C': ['-', 'b', 'c', '-', 'e']})
#[500000 rows x 3 columns]
df = pd.concat([df] * 100000, ignore_index=True)
In [9]: %timeit df.loc[(df['B'] == '-') & (df['C'] != '-'), 'B'] = df['C']
60.7 ms ± 643 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)
In [10]: %timeit df['B']=np.where((df['B']=='-')&(df['C']!='-'),df['C'],df['B'])
66 ms ± 324 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)
我认为原因是np.where
处理所有值,loc
仅处理过滤后的值。也有带数字的混合字符串。