Python 更改列值 - 一次每行

Question

我有一个具有以下列的数据框 df

             A   B   C   D
06/09/2019   56 67  33  10
06/10/2019   54 66  47  23
06/11/2019   67 1   43  19
06/12/2019   21 38  8   71

我有两个具有下限 (l) 和上限 (u) 的数据框

下_df：

             l   
06/09/2019   20 
06/10/2019   12  
06/11/2019   10   
06/12/2019   15 

上_df：

             u 
06/09/2019   60
06/10/2019   70  
06/11/2019   55  
06/12/2019   50

我想使用两个数据帧（lower_df 和 upper_df）的值作为条件将第一个数据帧（df）列的值更新为 0。 这里每一行都是孤立的，每一列都与相应的 u & l 值进行比较。 小于 l 且大于 u 的值设置为零。

需要的结果：

             A   B   C   D
06/09/2019   56  0  33  0
06/10/2019   54 66  47  23
06/11/2019   0  0   43  19
06/12/2019   21 38   0  0

我使用以下代码从数据框中提取每一行并将列与此上限和下限进行比较：

for i in range(0,len(df)):
  ul=upper_df.iloc[i]
  ll=lower_df.iloc[i]
  df.iloc[i][df.iloc[i]<ll[0]]=0
  df.iloc[i][df.iloc[i]>ul[0]]=0

但这并没有反映任何变化，df 保持原样。 代码正确吗？ 如果不是，那么正确的方法是什么。 这个数据集很大（很多列，这是一个例子），我正在寻找一种更聪明的方法来做到这一点。

Answer 1

使用DataFrame.mask与由DataFrame.lt和DataFrame.gt链接的比较| 对于按位OR ：

df = df.mask(df.lt(lower_df['l'], axis=0) | df.gt(upper_df['u'], axis=0), 0)
print (df)
             A   B   C   D
06/09/2019  56   0  33   0
06/10/2019  54  66  47  23
06/11/2019   0   0  43  19
06/12/2019  21  38   0   0

Answer 2

IIUC，这是另一种方式：

df = df.mul((lower_df.values < df.values) & (
    df.values < upper_df.values).astype(int))

输出：

             A   B   C   D
06/09/2019  56   0  33   0
06/10/2019  54  66  47  23
06/11/2019   0   0  43  19
06/12/2019  21  38   0   0

Answer 3

这是因为您没有将它们保存到 df 中。 另外，还有一个简洁的 numpy 函数 np.where()，参见https://numpy.org/doc/1.20/reference/generated/numpy.where.html 。

for i in range(0,len(df)):
  ul=upper_df.iloc[i]
  ll=lower_df.iloc[i]
  df.loc[i] = np.where(np.logical_or(df.loc[i] <= ll, df.loc[i] >= ul), 0, df.loc[i])