数据:
A | B | C
========================
Value | Fred | 0
foo | Jim | 1
Value | Bob | 2
我写了一个方法:
def is_value(df):
if df['A'].str.contains('value', case=False):
b='X'
return b
我称之为:
df['B'] = df.apply(is_value, axis=1)
并得到以下错误:
AttributeError: ("'str' object has no attribute 'str'", 'occurred at index 0')
申请中允许这样做吗?
它适用于这个成语:
df = df.loc[df['A'].str.contains('Value', case=False) & df['C'] !=0]
df['A'] = 'X'
有没有更好的办法?
请您参考如下方法:
我觉得最好不要用apply如果没有必要,因为显然它更慢。
我想你可以使用 mask :
print df['A'].str.contains('value', case=False)
0 True
1 False
2 True
Name: A, dtype: bool
df['B'] = df.mask(df['A'].str.contains('value', case=False), 'X')
print df
A B C
0 Value X 0
1 foo Jim 1
2 Value X 2
另一种解决方案 loc :
df.loc[ df['A'].str.contains('value', case=False), 'B'] = 'X'
print df
A B C
0 Value X 0
1 foo Jim 1
2 Value X 2
编辑:
看来您需要在 C 列中添加不等于 0 的过滤值:
print (df['A'].str.contains('value', case=False)) & (df['C'] !=0)
0 False
1 False
2 True
dtype: bool
df['B'] = df.mask((df['A'].str.contains('value', case=False)) & (df['C'] !=0), 'X')
print df
A B C
0 Value Value 0
1 foo foo 1
2 Value X 2
df.loc[(df['A'].str.contains('value', case=False)) & (df['C'] !=0) , 'B'] = 'X'
print df
A B C
0 Value Value 0
1 foo foo 1
2 Value X 2
