Python熊猫索引.where

简介

在Pandas中，可以使用where方法筛选数据。该方法将满足条件的数据替换为NaN，不满足条件的数据保持原有的值。

语法

pandas.DataFrame.where(cond, other=nan, inplace=False, axis=None, level=None, errors='raise', try_cast=False)

参数说明：

• cond：筛选条件，返回布尔值（True/False）或布尔值数组。
• other：替代值，可以是标量、数组或DataFrame类型。
• inplace：是否原地修改Dataframe，False为默认值，即不修改。
• axis：指定操作的轴（0为行，1为列）。
• level：针对多重索引（MultiIndex），控制在哪个级别进行比较。
• errors：指定当cond中出现NA/NaN值时的行为。'raise'为默认值，表示抛出异常；'coerce'表示将NA/NaN视为False，但不会抛出异常；'ignore'表示不处理NA/NaN值。
• try_cast：将other尝试强制转换成与原始DataFrame相同的类型。

示例

假设有以下数据：

import pandas as pd
import numpy as np

df = pd.DataFrame({'A': [1, 2, 3], 'B': ['one', 'two', 'three']})

现在我们想把其中A列中大于1的元素替换为NaN，可以用如下代码：

df.where(df['A'] > 1, np.nan)

输出结果：

| | A | B | |---:|----:|:------| | 0 | NaN | nan | | 1 | 2 | two | | 2 | 3 | three |

此时，第0行的A列满足条件，被替换为了NaN，其他行符合条件，保持原有值。

如果我们想在原DataFrame中修改，可以将inplace参数设为True：

df.where(df['A'] > 1, np.nan, inplace=True)

除了将条件限制在一列上，我们也可以将多个条件合并使用。例如，我们想要把A列中大于1且B列中等于'two'的元素变为NaN，可以用以下代码：

df.where((df['A'] > 1) & (df['B'] == 'two'), np.nan)

输出结果：

| | A | B | |---:|----:|:-----| | 0 | NaN | nan | | 1 | 2 | two | | 2 | NaN | nan |

注意事项

• 可以将DataFrame作为参数传入，但此时需在axis参数中指定要替换的轴号。例如：df.where(cond, other=df2, axis=0)将会用df2中的元素替换df中满足条件的元素。
• cond数组可以与要操作的DataFrame的索引/列索引保持一致，并且可以自动广播。如果要强制防止广播，请在cond中使用.reindex_like或.reindex方法。
• 使用where方法时，other参数中的标量、数组或DataFrame必须与要操作的DataFrame的大小一致。
• 当指定了inplace=True时，返回值为None，表示原DataFrame被修改。