根据另一个更改 df 列中的某些值

Question

我有一个包含多个列和值的 df。 说：

ID	姓名	成本
123	乔	10 美元
345	贝拉	20 美元
567	不理我	5000 美元

我还有一个要忽略的已定义名称列表。 在这个例子中，它包含一个值，但它可以有更多。

names_to_ignore = ['ignoreme']

目标是当Name在忽略列表中时，用 null 替换所有成本值。

我试过了：

    #aligning conventions
    df = df.apply(lambda var: var.lower())
    ignore_set = [x.lower() for x in ignore_set]

    #ignoring
    df.loc[df['Name'] in ignore_set, 'Cost'] = ''

但它没有用。 我得到：

ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().

有什么想法吗？

Answer 1

尝试：

names_to_ignore = ['ignoreme','IgnoreMe']

最后：

c=df['Name'].isin(names_to_ignore)  #checking if this condition satisfies or not
df.loc[c,'Cost']=float('NaN')

或者

通过np.where() ：

#import numpy as np
df['Cost']=np.where(c,np.nan,c)

或者

通过mask() ：

df['Cost']=df['Cost'].mask(c)

或者

通过where() ：

df['Cost']=df['Cost'].where(~c)

Answer 2

你可以试试np.where() 。

 df['cost'] = np.where( (n for n in df['Name'] if n in names_to_ignore), None, df['cost'])