Skip to main content
 首页 » 编程设计

python之根据 DataFrame Python 中的条件更改特定列的值

2025年01月19日11小虾米

我不确定如何针对特定的列集自动执行它。

它将进入特定列,检查值。如果一个值等于或大于 10,它将替换为 100,如果小于 100,它将替换为 0。但是它会对所有列执行此操作,而不是每次都指定列的名称。

import numpy as np 
import pandas as pd 
from sklearn.datasets import make_classification 
 
X, y = make_classification(n_samples=1000, 
                           n_features=6, 
                           n_informative=3, 
                           n_classes=2, 
                           random_state=0, 
                           scale = 10, 
                           shuffle=False) 
 
# Creating a dataFrame 
df = pd.DataFrame({'car':X[:,0], 
                                  'ball':X[:,1], 
                                  'Feature 3': 5, 
                                  'Feature 4':X[:,3], 
                                  'Feature 5':X[:,4], 
                                  'Feature 6':X[:,5], 
                                  'Class':y}) 
 
 
df.loc[df['Feature 6'] > 10, 'Feature 6'] = 100 

并且将使用以下行提取列集

spike_cols = [col for col in df.columns if "tu" in str(col)] 

所以基本上更改列名称中任何位置包含 tu 的列的值

请您参考如下方法:

我想你需要numpy.where使用 DataFrame 构造函数,因为它返回一个 2d numpy 数组:

df = pd.DataFrame(np.where(df >= 10, 100, 0), columns=df.columns, index=df.index) 

感谢 @Wen 提供 DataFrame.ge 的解决方案和 100 的多个 bool 掩码,True 是像 1 和 False 像 0:

df = df.ge(10).mul(100) 

编辑:如果只想为某些列应用解决方案:

df[spike_cols]  = pd.DataFrame(np.where(df[spike_cols] >= 10, 100, 0), 
                               columns=spike_cols, index=df.index) 
 
df[spike_cols] = df[spike_cols].ge(10).mul(100)