Python pandas.DataFrame：根据条件制作整行NaN

Question

我想根据一列的条件使整行 NaN 。 例如，如果B > 5 ，我想让整行 NaN。

未处理的数据框如下所示：

   A  B
0  1  4
1  3  5
2  4  6
3  8  7

使整行 NaN，如果B > 5 ：

     A    B
0  1.0  4.0
1  3.0  5.0
2  NaN  NaN
3  NaN  NaN

谢谢。

Answer 1

使用boolean indexing为每个条件分配值：

df[df['B'] > 5] = np.nan
print (df)
     A    B
0  1.0  4.0
1  3.0  5.0
2  NaN  NaN
3  NaN  NaN

或DataFrame.mask ，默认情况下按条件添加NaN ：

df = df.mask(df['B'] > 5)
print (df)
     A    B
0  1.0  4.0
1  3.0  5.0
2  NaN  NaN
3  NaN  NaN

谢谢Bharath shetty ：

df = df.where(~(df['B']>5))

Answer 2

你也可以使用df.loc[df.B > 5, :] = np.nan

---

示例

In [14]: df
Out[14]: 
   A  B
0  1  4
1  3  5
2  4  6
3  8  7

In [15]: df.loc[df.B > 5, :] = np.nan 

In [16]: df
Out[16]: 
     A    B
0  1.0  4.0
1  3.0  5.0
2  NaN  NaN
3  NaN  NaN

在人类语言中df.loc[df.B > 5, :] = np.nan可以翻译为：

分配np.nan任何柱（ :数据帧（的） df ），其中条件df.B > 5是有效的。

Answer 3

或者使用reindex

df.loc[df.B<=5,:].reindex(df.index)
Out[83]: 
     A    B
0  1.0  4.0
1  3.0  5.0
2  NaN  NaN
3  NaN  NaN