替換熊貓數據框中大於數字的值

Question

我有一個大數據框，它看起來像：

df1['A'].ix[1:3]
2017-01-01 02:00:00    [33, 34, 39]
2017-01-01 03:00:00    [3, 43, 9]

我想用 11 替換大於 9 的每個元素。

因此，上述示例所需的輸出是：

df1['A'].ix[1:3]
2017-01-01 02:00:00    [11, 11, 11]
2017-01-01 03:00:00    [3, 11, 9]

編輯：

我的實際數據框有大約 20,000 行，每行都有大小為 2000 的列表。

有沒有辦法為每一行使用numpy.minimum函數？ 我認為它會比list comprehension方法更快？

Answer 1

很簡單： df[df > 9] = 11

Answer 2

您可以將apply與list comprehension一起使用：

df1['A'] = df1['A'].apply(lambda x: [y if y <= 9 else 11 for y in x])
print (df1)
                                A
2017-01-01 02:00:00  [11, 11, 11]
2017-01-01 03:00:00    [3, 11, 9]

更快的解決方案是首先轉換為numpy array ，然后使用numpy.where ：

a = np.array(df1['A'].values.tolist())
print (a)
[[33 34 39]
 [ 3 43  9]]

df1['A'] = np.where(a > 9, 11, a).tolist()
print (df1)
                                A
2017-01-01 02:00:00  [11, 11, 11]
2017-01-01 03:00:00    [3, 11, 9]

Answer 3

您可以使用 numpy 索引，通過.values函數訪問。

df['col'].values[df['col'].values > x] = y

用 y 的值替換任何大於 x 的值。

因此，對於問題中的示例：

df1['A'].values[df1['A'] > 9] = 11

Answer 4

我知道這是一篇舊帖子，但DataFrame.where現在直接支持DataFrame.where 。 在你的例子中：

df.where(df <= 9, 11, inplace=True)

請注意，pandas 的where與numpy.where不同。 在 Pandas 中，當condition == True ，使用數據幀中的當前值。 當condition == False ，采用另一個值。

編輯：

您可以使用Series.where為一列實現相同的Series.where ：

df['A'].where(df['A'] <= 9, 11, inplace=True)

Answer 5

我來找一個解決方案，用 1 else 0 替換每個大於 h 的元素，它有一個簡單的解決方案：

df = (df > h) * 1

（這不能解決 OP 的問題，因為所有 df <= h 都被 0 替換。）