Изменение подмножества строк в кадре данных pandas

Используйте .loc для индексирования на основе ярлыков:

df.loc[df.A==0, 'B'] = np.nan

Выражение df.A==0 создает логический ряд, который индексирует строки, 'B' выбирает столбец. Вы также можете использовать это для преобразования подмножества столбца, например:

df.loc[df.A==0, 'B'] = df.loc[df.A==0, 'B'] / 2

Я недостаточно знаю о внутреннем устройстве pandas, чтобы точно знать, почему это работает, но основная проблема заключается в том, что иногда индексация в DataFrame возвращает копию результата, а иногда возвращает представление исходного объекта. Согласно документации, здесь, это поведение зависит от основного поведения numpy. Я обнаружил, что доступ ко всему за одну операцию (а не за [одну] [две]) с большей вероятностью будет работать для настройки.

Здесь взято из документации pandas о расширенном индексировании:

Раздел объяснит, что именно вам нужно! Оказывается, df.loc (поскольку .ix устарел - как многие указывали ниже) можно использовать для классного нарезания / нарезки фрейма данных. И. Его также можно использовать для настройки вещей.

df.loc[selection criteria, columns I want] = value

Итак, ответ Брена гласит: «Найди мне все места, где df.A == 0, выберите столбец B и установите его на np.nan».

Начиная с pandas 0.20 ix устарел . Правильный способ - использовать df.loc

>>> import pandas as pd 
>>> import numpy as np 
>>> df = pd.DataFrame({"A":[0,1,0], "B":[2,0,5]}, columns=list('AB'))
>>> df.loc[df.A == 0, 'B'] = np.nan
>>> df
   A   B
0  0 NaN
1  1   0
2  0 NaN
>>> 

Как объясняется в здесь документа, .loc в основном основан на метках, но может также использоваться с логическим массивом.

Итак, то, что мы делаем выше, применяет df.loc[row_index, column_index]:

• Используя тот факт, что loc может принимать логический массив в качестве маски, которая сообщает пандам, какое подмножество строк мы хотим изменить в row_index
• Использование факта loc также основано на метке для выбора столбца с помощью метки 'B' в column_index

Мы можем использовать логические, условные или любую операцию, которая возвращает серию логических значений, для создания массива логических значений. В приведенном выше примере нам нужны любые rows, содержащие 0, для этого мы можем использовать df.A == 0, как вы можете видеть в приведенном ниже примере, это возвращает серию логических значений.

>>> df = pd.DataFrame({"A":[0,1,0], "B":[2,0,5]}, columns=list('AB'))
>>> df 
   A  B
0  0  2
1  1  0
2  0  5
>>> df.A == 0 
0     True
1    False
2     True
Name: A, dtype: bool
>>> 

Затем мы используем приведенный выше массив логических значений для выбора и изменения необходимых строк:

>>> df.loc[df.A == 0, 'B'] = np.nan
>>> df
   A   B
0  0 NaN
1  1   0
2  0 NaN

Дополнительную информацию см. В документации по расширенному индексированию здесь.

Для значительного увеличения скорости используйте функцию NumPy where.

Настраивать

Создайте двухколоночный DataFrame со 100 000 строками с некоторыми нулями.

df = pd.DataFrame(np.random.randint(0,3, (100000,2)), columns=list('ab'))

Быстрое решение с numpy.where

df['b'] = np.where(df.a.values == 0, np.nan, df.b.values)

Сроки

%timeit df['b'] = np.where(df.a.values == 0, np.nan, df.b.values)
685 µs ± 6.4 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

%timeit df.loc[df['a'] == 0, 'b'] = np.nan
3.11 ms ± 17.2 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

where от Numpy примерно в 4 раза быстрее

Чтобы заменить кратные столбцы, конвертируйте в массив numpy, используя .values:

df.loc[df.A==0, ['B', 'C']] = df.loc[df.A==0, ['B', 'C']].values / 2