在Pandas DataFrame列中重新分配條目

Question

我的目標是有條件地為數據幀建立索引並為這些索引更改列中的值。

我打算瀏覽“ A”列以找到條目=“ a”，並用“ okay”一詞更新其“ B”列。

group = ['a']

df = pd.DataFrame({"A": [a,b,a,a,c], "B": [NaN,NaN,NaN,NaN,NaN]})
>>>df
   A    B
0  a  NaN
1  b  NaN
2  a  NaN
3  a  NaN
4  c  NaN

df[df['A'].apply(lambda x: x in group)]['B'].fillna('okay', inplace=True)

這給了我以下錯誤：

SettingWithCopyWarning：

試圖在DataFrame的切片副本上設置一個值

請參閱文檔中的警告： http ://pandas.pydata.org/pandas-docs/stable/indexing.html#indexing-view-versus-copy self._update_inplace（new_data）

按照文檔（據我所知），我嘗試了以下操作：

df[df['A'].apply(lambda x: x in group)].loc[:,'B'].fillna('okay', inplace=True)

我無法弄清楚為什么沒有將“ NaN”重新分配為“ okay”，以及如何解決？

謝謝。

Answer 1

嘗試使用lambda：

解決方案第一：

>>> df
   A   B
0  a NaN
1  b NaN
2  a NaN
3  a NaN
4  c NaN

使用lambda + map或apply ..

>>> df["B"] = df["A"].map(lambda x: "okay" if "a" in x else "NaN")
OR# df["B"] = df["A"].map(lambda x: "okay" if "a" in x else np.nan)
OR# df['B'] = df['A'].apply(lambda x: 'okay' if x == 'a' else np.nan)
>>> df
   A     B
0  a  okay
1  b   NaN
2  a  okay
3  a  okay
4  c   NaN

解決方案第二：

>>> df
   A   B
0  a NaN
1  b NaN
2  a NaN
3  a NaN
4  c NaN

創建字典框架並在整個列中使用map功能將其應用的另一種有趣方式：

>>> frame = {'a': "okay"}
>>> df['B'] = df['A'].map(frame)
>>> df
   A     B
0  a  okay
1  b   NaN
2  a  okay
3  a  okay
4  c   NaN

解決方案三：

這已經由@d_kennetz發布，但是只是想聚在一起，如果您還可以一次將兩個列（A和B）分配到一起：

>>> df.loc[df.A == 'a', 'B'] = "okay"

Answer 2

如果我正確理解這一點，則只想替換與給定條件匹配的那些行上的列的值（即A列屬於某個組，此處為單個值'a' ）。 以下應該可以解決問題：

import pandas as pd

group = ['a']

df = pd.DataFrame({"A": ['a','b','a','a','c'], "B": [None,None,None,None,None]})
print(df)
df.loc[df['A'].isin(group),'B'] = 'okay'
print(df)

我們在這里所做的是使用.loc過濾器，該過濾器僅返回有關現有數據框的視圖。

第一個參數（ df['A'].isin(group) ）在與給定條件匹配的那些行上進行過濾。 請注意，您可以使用相等運算符（ == ），但不能使用in運算符，因此必須使用.isin()代替）。

第二個參數僅選擇“ B”列。 然后，您只需分配所需的值（這是一個常數）。

這是輸出：

   A     B
0  a  None
1  b  None
2  a  None
3  a  None
4  c  None
   A     B
0  a  okay
1  b  None
2  a  okay
3  a  okay
4  c  None

如果您想對事物進行幻想，則可能需要執行以下操作：

import pandas as pd

group = ['a', 'b']

df = pd.DataFrame({"A": ['a','b','a','a','c'], "B": [None,None,None,None,None]})
df.loc[df['A'].isin(group),'B'] = "okay, it was " + df['A']+df['A']
print(df)

這給你：

   A                B
0  a  okay, it was aa
1  b  okay, it was bb
2  a  okay, it was aa
3  a  okay, it was aa
4  c             None