根据多种条件替换 pandas 数据框中的值 [英] Replacing values in a pandas dataframe based on multiple conditions

问题描述

基于此示例代码，我有一个相当简单的问题：

  x1 = 10 * np.random.randn（10 ，3）
 df1 = pd.DataFrame（x1）
  

我正在寻找一个从 df1 导出的DataFrame，其中正值替换为 up ，负值替换为向下 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。 / p>

我看到其他帖子会同时根据多种条件进行过滤，但它们并未显示如何根据不同条件替换值。

解决方案

通常，您可以对值使用 np.select 并重建 DataFrame

 导入熊猫as pd 
 import numpy as np 
 
 df1 = pd.DataFrame（10 * np.random.randn（10，3））
 df1.iloc [0，0] = 0＃因此我们可以检查== 0条件
 
 conds = [df1.values< 0，df1.values> 0] 
 options = ['down'，'up'] 
 
 pd.DataFrame（np.select（conds，options，default ='zero'），
 index = df1.index，
列= df1.columns）
  

输出：

  0 1 2 
 0零向下
 1向上向下
 2向上向上
 3向下向下
 4向上向上
 5向上向上
 6向上向下
 7向上向下
 8向下向上
 9向上下降
  

I have a fairly simple question based on this sample code:

x1 = 10*np.random.randn(10,3)
df1 = pd.DataFrame(x1)

I am looking for a single DataFrame derived from df1 where positive values are replaced with "up", negative values are replaced with "down", and 0 values, if any, are replaced with "zero". I have tried using the .where() and .mask() methods but could not obtain the desired result.

I have seen other posts which filter according to multiple conditions at once, but they do not show how to replace values according to different conditions.

解决方案

In general, you could use np.select on the values and re-build the DataFrame

import pandas as pd
import numpy as np

df1 = pd.DataFrame(10*np.random.randn(10, 3))
df1.iloc[0, 0] = 0 # So we can check the == 0 condition 

conds = [df1.values < 0 , df1.values > 0]
choices = ['down', 'up']

pd.DataFrame(np.select(conds, choices, default='zero'),
             index=df1.index,
             columns=df1.columns)

Output:

      0     1     2
0  zero  down    up
1    up  down    up
2    up    up    up
3  down  down  down
4    up    up    up
5    up    up    up
6    up    up  down
7    up    up  down
8  down    up  down
9    up    up  down

这篇关于根据多种条件替换 pandas 数据框中的值的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！