将 dataframe 列中低于某个阈值的值替换为 NaN

Question

假设我有以下示例 dataframe：

df = pd.DataFrame({'A': [4, 0.2, 3, 0.5], 'B': ['red', 'white', 'blue', 'green']})

     A      B
0  4.0    red
1  0.2  white
2  3.0   blue
3  0.5  green

我正在尝试用 NaN 替换低于某个阈值的列中的条目，如下所示：

     A      B
0  4.0    red
1  NaN  white
2  3.0   blue
3  NaN  green

这是我的尝试：

cutoff = 2
df['A'] = df['A'].apply(lambda x: [y if y > cutoff else None for y in x])

我收到的错误是：

TypeError: 'float' object is not iterable

我哪里出错了？ 我认为它与None类型有关

Answer 1

np.where

df['A'] = np.where(df['A']<=cutoff , np.nan, df['A'])

Answer 2

下面的代码对你有用吗？ 我使用.loc[row_indexer,col_indexer] = value来修改 dataframe （ 链接到文档）

import pandas as pd
import numpy as np

df = pd.DataFrame({'A': [4, 0.2, 3, 0.5], 'B': ['red', 'white', 'blue', 'green']})
df.loc[df['A'] < 1, 'A'] = np.nan
print(df)

Output：

     A      B
0  4.0    red
1  NaN  white
2  3.0   blue
3  NaN  green

Answer 3

请尝试：

df['A'] = df2['A'].apply(lambda x: x if x > cutoff else None)