返回pandas DataFrame列的最大值为零或值

Question

我想用0替换pandas DataFrame列中的负值。

有没有更简洁的方法来构造这个表达式？

df['value'][df['value'] < 0] = 0

Answer 1

这是规范的方式，虽然不一定更简洁，但更灵活（因为你可以将它应用于任意列）

In [39]: df = DataFrame(randn(5,1),columns=['value'])

In [40]: df
Out[40]: 
      value
0  0.092232
1 -0.472784
2 -1.857964
3 -0.014385
4  0.301531

In [41]: df.loc[df['value']<0,'value'] = 0

In [42]: df
Out[42]: 
      value
0  0.092232
1  0.000000
2  0.000000
3  0.000000
4  0.301531

Answer 2

您可以使用剪辑方法 ：

import pandas as pd
import numpy as np
df = pd.DataFrame({'value': np.arange(-5,5)})
df['value'] = df['value'].clip(0, None)
print(df)

产量

   value
0      0
1      0
2      0
3      0
4      0
5      0
6      1
7      2
8      3
9      4

Answer 3

另一种可能性是numpy.maximum() 。 在我看来，这更直接。

import pandas as pd
import numpy as np
df['value'] = np.maximum(df.value, 0)

它也比所有其他方法快得多。

df_orig = pd.DataFrame({'value': np.arange(-1000000, 1000000)})

df = df_orig.copy()
%timeit df['value'] = np.maximum(df.value, 0)
# 100 loops, best of 3: 8.36 ms per loop

df = df_orig.copy()
%timeit df['value'] = np.where(df.value < 0, 0, df.value)
# 100 loops, best of 3: 10.1 ms per loop

df = df_orig.copy()
%timeit df['value'] = df.value.clip(0, None)
# 100 loops, best of 3: 14.1 ms per loop

df = df_orig.copy()
%timeit df['value'] = df.value.clip_lower(0)
# 100 loops, best of 3: 14.2 ms per loop

df = df_orig.copy()
%timeit df.loc[df.value < 0, 'value'] = 0
# 10 loops, best of 3: 62.7 ms per loop

（ 笔记本 ）

Answer 4

我们只取大于零的值，留下那些作为NaN的负数（用于不用系列的帧），然后估算。

df[df > 0].fillna(0)

Answer 5

为了完整性， np.where也是一种可能性，这比这里的大多数答案更快。 np.maximum答案是最好的方法，因为它比这更快，更简洁。

df['value'] = np.where(df.value < 0, 0, df.value)

Answer 6

df.value.clip_lower(0, inplace=True)最简洁，和np.maximum一样快，肯定比其他方法（ 笔记本 ）快。

Answer 7

或者where检查：

>>> import pandas as pd,numpy as np
>>> df = pd.DataFrame(np.random.randn(5,1),columns=['value'])
>>> df
      value
0  1.193313
1 -1.011003
2 -0.399778
3 -0.736607
4 -0.629540
>>> df['value']=df['value'].where(df['value']>0,0)
>>> df
      value
0  1.193313
1  0.000000
2  0.000000
3  0.000000
4  0.000000
>>>