我有一个基于此示例代码的相当简单的问题:
x1 = 10*np.random.randn(10,3)
df1 = pd.DataFrame(x1)
我正在寻找从 df1 派生的单个 DataFrame，其中正值替换为 "up"，负值替换为 "down" 和 0 值(如果有)替换为 “零”。我尝试使用 .where() 和 .mask() 方法，但无法获得所需的结果。
我看到其他帖子一次根据多个条件进行过滤，但他们没有显示如何根据不同条件替换值。
请您参考如下方法:
对于多个条件，即。 (df['employrate'] <=55) & (df['employrate'] > 50)
使用这个:
df['employrate'] = np.where(
(df['employrate'] <=55) & (df['employrate'] > 50) , 11, df['employrate']
)
或者你也可以这样做，
gm.loc[(gm['employrate'] <55) & (gm['employrate'] > 50),'employrate']=11
这里的非正式语法可以是:
<dataset>.loc[<filter1> & (<filter2>),'<variable>']='<value>'
out[108]:
country employrate alcconsumption
0 Afghanistan 55.700001 .03
1 Albania 11.000000 7.29
2 Algeria 11.000000 .69
3 Andorra nan 10.17
4 Angola 75.699997 5.57
因此我们在这里使用的语法是:
df['<column_name>'] = np.where((<filter 1> ) & (<filter 2>) , <new value>, df['column_name'])
对于单一条件，即。 ( 'employrate'] > 70 )
country employrate alcconsumption
0 Afghanistan 55.7000007629394 .03
1 Albania 51.4000015258789 7.29
2 Algeria 50.5 .69
3 Andorra 10.17
4 Angola 75.6999969482422 5.57
使用这个:
df.loc[df['employrate'] > 70, 'employrate'] = 7
country employrate alcconsumption
0 Afghanistan 55.700001 .03
1 Albania 51.400002 7.29
2 Algeria 50.500000 .69
3 Andorra nan 10.17
4 Angola 7.000000 5.57
因此这里的语法是:
df.loc[<mask>(here mask is generating the labels to index) , <optional column(s)> ]
