[英]Copy a row value to another column based on condition using Python pandas
[英]How to change column data type based on row value condition using pandas
我想根据行条件更改列值的数据类型,但不能正常工作
Sample Data:
eName Value1 Value2 NValue
sample1 XYZ XYZ XYZ
sample2 102 XYZ 102 XYZ 102 XYZ
sample3 3 3.000
sample4 3 3.000
我尝试过这种方法,是否有不同的方法我必须使用。
data.loc[data.eName == 'sample3', ['Value1', 'Value2']].apply(pd.to_numeric)
data.loc[data.eName == 'sample4', ['Value1', 'Value2']].apply(pd.to_numeric)
Output as:
eName Value1 Value2 NValue
sample1 XYZ XYZ XYZ
sample2 102 XYZ 102 XYZ 102 XYZ
sample3 3.00 3.00
sample4 3.00 3.00
您可以将Series.isin
创建的掩码分配给过滤的DataFrame的两侧,如果需要,可以添加errors='coerce'
以将非数字值转换为NaN
:
m = data.eName.isin(['sample3','sample4'])
cols = ['Value1', 'Value2']
#if need all columns without eName
#cols = df.columns.difference(['eName'])
data.loc[m, cols] = data.loc[m , cols].apply(pd.to_numeric, errors='coerce')
print (data)
eName Value1 Value2 NValue
0 sample1 XYZ XYZ XYZ
1 sample2 102 XYZ 102 XYZ 102 XYZ
2 sample3 3 3 NaN
3 sample4 3 3 NaN
如果没有第一个需要所有列:
m = data.eName.isin(['sample3','sample4']).values
data.iloc[m, 1:] = data.iloc[m , 1:].apply(pd.to_numeric, errors='coerce')
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.