转载:https://blog.csdn.net/u012300744/article/details/80803498
今天在给dataframe进行条件赋值时遇到如下问题:
如果df_need中的字段1为空值,那么就把字段2的值赋值给字段1:
df_need[df_need['字段1'].isnull()].loc[:,'字段1']=df_need[df_need['字段2'].isnull()].loc[:,'字段2']
但是这样的作法是完全无用的,df_need的值没有发生任何变化。
于是找到了如下的解决方案:
根据条件设置dataframe值:
df_need.字段1[df_need.字段1.isnull()]=df_need.字段2[df_need.字段1.isnull()]
df_need.Hive表中对应字段[df_need.Hive表中对应字段.isnull()]=df_need.Signal[df_need.Hive表中对应字段.isnull()]
成功赋值;(但是原因还没搞清楚)
转载文章:dataframe赋值:
创建数据
我们可以根据自己的需求, 用 pandas 进行更改数据里面的值, 或者加上一些空的,或者有数值的列.
首先建立了一个 6X4 的矩阵数据。
dates = pd.date_range('20130101', periods=6)
df = pd.DataFrame(np.arange(24).reshape((6,4)),index=dates, columns=['A','B','C','D'])
"""
A B C D
2013-01-01 0 1 2 3
2013-01-02 4 5 6 7
2013-01-03 8 9 10 11
2013-01-04 12 13 14 15
2013-01-05 16 17 18 19
2013-01-06 20 21 22 23
"""
根据位置设置 loc 和 iloc
我们可以利用索引或者标签确定需要修改值的位置。
df.iloc[2,2] = 1111
df.loc['20130101','B'] = 2222
"""
A B C D
2013-01-01 0 2222 2 3
2013-01-02 4 5 6 7
2013-01-03 8 9 1111 11
2013-01-04 12 13 14 15
2013-01-05 16 17 18 19
2013-01-06 20 21 22 23
"""
根据条件设置
如果现在的判断条件是这样, 我们想要更改B中的数, 而更改的位置是取决于 A 的. 对于A大于4的位置. 更改B在相应位置上的数为0.
df.B[df.A>4] = 0
"""
A B C D
2013-01-01 0 2222 2 3
2013-01-02 4 5 6 7
2013-01-03 8 0 1111 11
2013-01-04 12 0 14 15
2013-01-05 16 0 18 19
2013-01-06 20 0 22 23
"""
按行或列设置
如果对整列做批处理, 加上一列 ‘F’, 并将 F 列全改为 NaN, 如下:
df['F'] = np.nan
"""
A B C D F
2013-01-01 0 2222 2 3 NaN
2013-01-02 4 5 6 7 NaN
2013-01-03 8 0 1111 11 NaN
2013-01-04 12 0 14 15 NaN
2013-01-05 16 0 18 19 NaN
2013-01-06 20 0 22 23 NaN
"""
添加数据
用上面的方法也可以加上 Series 序列(但是长度必须对齐)。
df['E'] = pd.Series([1,2,3,4,5,6], index=pd.date_range('20130101',periods=6))
"""
A B C D F E
2013-01-01 0 2222 2 3 NaN 1
2013-01-02 4 5 6 7 NaN 2
2013-01-03 8 0 1111 11 NaN 3
2013-01-04 12 0 14 15 NaN 4
2013-01-05 16 0 18 19 NaN 5
2013-01-06 20 0 22 23 NaN 6
"""
给修改特定列中某些特定值
a = [['a','1.2','4.2'],['a','70','0.03'],['b','5','0']]
df = pd.DataFrame(a,columns=['col1','col2','col3'])
df.col1[df.col1 =='a'] = 'm'
print(df)