Pandas 条件替换系列中的值 - Python

在 Pandas 中，我们经常需要对特定的数据进行修改或替换。对于一些复杂的操作，条件替换能够帮助我们快速完成操作。本篇文章将介绍 Pandas 中常用的条件替换方法。

1. 单条件替换

单条件替换是指对满足某一条件的数据进行修改。在 Pandas 中，我们可以使用 loc 函数定位到满足条件的数据，并使用赋值符号进行修改。

import pandas as pd

df = pd.DataFrame({'A': [1, 2, 3, 4],
                   'B': [5, 6, 7, 8]})

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

print(df)

输出结果为：

   A  B
0  1  5
1  2  6
2  3  0
3  4  0

上述代码中，我们使用了条件 df['A'] > 2 定位到满足该条件的行，并对这些行中的 'B' 列数据进行替换。

2. 多条件替换

多条件替换是指对满足多个条件的数据进行修改。在 Pandas 中，我们可以使用 loc 函数和 & （与）进行多条件筛选。

import pandas as pd

df = pd.DataFrame({'A': [1, 2, 3, 4],
                   'B': [5, 6, 7, 8]})

df.loc[(df['A'] > 2) & (df['B'] < 8), 'B'] = 0

print(df)

输出结果为：

   A  B
0  1  5
1  2  6
2  3  0
3  4  8

上述代码中，我们使用了条件 df['A'] > 2 和 df['B'] < 8 定位到满足这两个条件的行，并对这些行中的 'B' 列数据进行替换。

3. 模糊条件替换

模糊条件替换是指对某些模糊的条件进行替换。在 Pandas 中，我们可以使用 str.contains() 函数定位到满足条件的数据，并使用赋值符号进行修改。

import pandas as pd

df = pd.DataFrame({'A': ['dog', 'cat', 'dog and cat', 'bird'],
                   'B': [5, 6, 7, 8]})

df.loc[df['A'].str.contains('dog'), 'B'] = 0

print(df)

输出结果为：

            A  B
0         dog  0
1         cat  6
2  dog and cat  0
3        bird  8

上述代码中，我们使用了条件 df['A'].str.contains('dog') 定位到包含 'dog' 的数据，并对这些数据中的 'B' 列数据进行替换。

4. 条件替换为空值

有时候我们需要将满足条件的数据替换为空值。在 Pandas 中，我们可以使用 np.nan （空值）进行替换。

import pandas as pd
import numpy as np

df = pd.DataFrame({'A': [1, 2, 3, 4],
                   'B': [5, 6, 7, 8]})

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

print(df)

输出结果为：

   A    B
0  1  5.0
1  2  6.0
2  3  NaN
3  4  NaN

上述代码中，我们使用了条件 df['A'] > 2 定位到满足该条件的行，并对这些行中的 'B' 列数据进行空值替换。

以上是 Pandas 条件替换系列中的值的详细介绍。通过条件替换，我们可以快速地对数据进行修改和替换，更高效地进行数据处理。