Skip to main content
 首页 » 编程设计

python之如何使用 Pandas 中具有相似特征条件的值替换特定行(基于条件)

2024年12月31日11tuyile006

当我想替换满足条件的特定值并替换基于另一个条件的值时,我遇到了麻烦。

数据帧示例 (df)

     Gender    Surname    Ticket 
` 0   masc     Family1     a12` 
` 1 **fem      NoGroup     aa3**` 
` 2   boy      Family1     125` 
` 3 **fem      Family2     aa3**` 
` 4   fem      Family4     525` 
` 5   masc     NoGroup     a52` 

将df['Surname']列所有行的de值替换的条件是:

if ((df['Gender']!= masc) & (df['Surname'] == 'NoGroup'))

代码必须搜索具有相同票证的行并替换对应的姓氏值,否则保留已存在的值('noGroup')。

在此示例中,第 1 行(“noGroup”)中的 ['Surname'] 值应替换为对应于第 3 行的“family2”。

这个方法我试过了,没用

for i in zip((df['Gender']!='man') & df['Surname']=='noGroup'): df['姓氏'][i] = df.loc[df['票']==df['姓氏'][i]]

请您参考如下方法:

使用 Pandas,您的目标应该是矢量化计算,而不是逐行循环。这是一种方法。首先将选定的值转换为 None:

df.loc[df['Gender'].ne('masc') & df['Surname'].eq('NoGroup'), 'Surname'] = None 

然后在过滤器之后创建一个从Ticket到Surname的系列映射:

s = df[df['Surname'].notnull()].drop_duplicates('Ticket').set_index('Ticket')['Surname'] 

最后,将空值映射到计算出的系列:

df['Surname'] = df['Surname'].fillna(df['Ticket'].map(s)) 

结果:

  Gender  Surname Ticket 
0   masc  Family1    a12 
1    fem  Family2    aa3 
2    boy  Family1    125 
3    fem  Family2    aa3 
4    fem  Family4    525 
5   masc  NoGroup    a52