我有一个熊猫数据框。在这个DataFrame中,我想修改一些行的几列。这些是我尝试的方法。在熊猫中的行子集中修改多个列DataFrame
df[['finalA', 'finalB']] = df[['A', 'B']]
exceptions = df.loc[df.normal == False]
其中用得好好的,但现在我想设置的例外情况:
df.loc[exceptions.index, ['finalA', 'finalB']] = \
df.loc[exceptions.index, ['A_except', 'B_except']]
不工作。所以我尝试使用this answer的.ix
。
df.ix[exceptions.index, ['finalA', 'finalB']] = \
df.ix[exceptions.index, ['A_except', 'B_except']]
哪一个也不行。两种方法在finalA
和finalB
中给出了NaN
的例外行。
,似乎工作在同一时间做它一列的唯一方法:
df.ix[exceptions.index, 'finalA'] = \
df.ix[exceptions.index, 'A_except']
df.ix[exceptions.index, 'finalB'] = \
df.ix[exceptions.index, 'B_except']
这是怎么回事的熊猫吗?如何避免将值设置为显然通过选择多列来复制的副本?有没有办法避免这种代码重复?
一些更多的思考:它实际上没有将值设置为数据帧的副本,它将值设置为NaN。它实际上将它们覆盖为一个新的值。
样品数据框:
import pandas as pd
df = pd.DataFrame({'A': [1,2,3,4],
'B': [5,6,7,8],
'normal': [True, True, False, False],
'A_except': [0,0,9,9],
'B_except': [0,0,10,10]})
结果:
A A_except B B_except normal finalA finalB
0 1 0 5 0 True 1.0 5.0
1 2 0 6 0 True 2.0 6.0
2 3 9 7 10 False NaN NaN
3 4 9 8 10 False NaN NaN
预期结果:
A A_except B B_except normal finalA finalB
0 1 0 5 0 True 1 5
1 2 0 6 0 True 2 6
2 3 9 7 10 False 9 10
3 4 9 8 10 False 9 10