53_Pandas中的条件替换值（where, mask）

53_Pandas中的条件替换值（where, mask）

我会解释如何在pandas中根据条件赋值。虽然它不使用 if 语句，但它可以处理条件分支，如 if then … 或 if then … else …。

具体值的替换见后面的文章，替换或删除缺失值NaN。

• 24_Pandas.DataFrame,Series元素值的替换（replace）

以下面的 pandas.DataFrame 为例。

import pandas as pd
import numpy as np

df = pd.DataFrame({
   
   'A': [-20, -10, 0, 10, 20],
                   'B': [1, 2, 3, 4, 5],
                   'C': ['a', 'b', 'b', 'b', 'a']})

print(df)
#     A  B  C
# 0 -20  1  a
# 1 -10  2  b
# 2   0  3  b
# 3  10  4  b
# 4  20  5  a

以下内容进行说明。

• 带有 loc、iloc 的布尔索引引用
• pandas.DataFrame, Series 的 where() 方法
  • False元素可以改变，True元素保持不变
• pandas.DataFrame, Series 的 mask() 方法
  • True元素可以改变，False元素不变
• NumPy where() 函数
  • True 和 False 元素都可以更改

带有 loc、iloc 的布尔索引引用

可以通过如下编写来根据条件替换标量值。

df.loc[df['A'] < 0, 'A'] = -100
df.loc[~(df['A'] < 0), 'A'] = 100
print(df)
#      A  B  C
# 0 -100  1  a
# 1 -100  2  b
# 2  100  3  b
# 3  100  4  b
# 4  100  5  a

如果对 pandas.DataFrame 或 pandas.DataFrame的列（= pandas.Series）进行比较操作，将得到一个 bool 类型的 pandas.DataFrame 或 pandas.Series。

一个例子是处理 pandas.DataFrame (= pandas.Series) 的列。 ~ 是否定运算符。

print(df['A'] < 0)
# 0     True
# 1     True
# 2    False
# 3    False
# 4    False
# Name: A, dtype: bool

print(~(df['A'] < 0))
# 0    False
# 1    False
# 2     True
# 3     True
# 4     True
# Name: A, dtype: bool

使用 bool 类型 pandas.Series 作为 loc 或 iloc 行规范将只选择 True 行。 loc由行名和列名指定，iloc由行号和列号指定。

• 04_Pandas获取和修改任意位置的值（at,iat,loc,iloc）

print(df.loc[df['A'] < 0, 'A'])
# 0   -100
# 1   -100
# Name: A, dtype: int64

带有loc和iloc的引用不仅可以用来取值，还可以用来赋值。 bool type pandas.Series 为 True 的行（满足条件的行）和指定的列元素更改为右侧的标量值。

df.loc[df['A'] < 0, 'A'] = -10
print(df)
#      A  B  C
# 0  -10  1  a
# 1  -10  2  b
# 2  100  3  b
# 3  100  4  b
# 4  100  5  a

也可以指定 pandas.Series、列表或数组而不是标量值。相应的行值被替换。

df.loc[~(df['A'] < 0), 'A'] = df['B']
print(df)
#     A  B  C
# 0 -10  1  a
# 1 -10  2  b
# 2   3  3  b
# 3   4  4  b
# 4   5  5  a

到目前为止的示例中，我们已经为现有列的元素赋值，但是指定新的列名会添加一个新列，并允许我们为满足条件的行赋值。

df.loc[df['B'] % 2 ==