滿足條件時更新或替換df中的值

Question

我有一個城市名稱列表和一個帶有城市，州和郵政編碼列的df。 缺少一些郵政編碼。 如果缺少郵政編碼，我想使用基於城市的通用郵政編碼。 例如，城市為聖何塞，因此郵政編碼應為通用的“ SJ_zipcode”。

pattern_city = '|'.join(cities) #works

foundit = ( (df['cty_nm'].str.contains(pattern_city, flags=re.IGNORECASE)) & (df['zip_cd']==0) & (df['st_cd'].str.match('CA') ) ) #works--is this foundit a df?

df['zip_cd'] = foundit.replace( 'SJ_zipcode' ) #nope, error

錯誤：“ pad_1d [布爾]的無效dtype”

在where實現

df['zip_cd'].where( (df['cty_nm'].str.contains(pattern_city, flags=re.IGNORECASE)) & (df['zip_cd']==0) & (df['st_cd'].str.match('CA') ), "SJ_Zipcode", inplace = True) #nope, empty set; all set to nan?

用loc實現

df['zip_cd'].loc[ (df['cty_nm'].str.contains(pattern_city, flags=re.IGNORECASE)) & (df['zip_cd']==0) & (df['st_cd'].str.match('CA') ) ] = "SJ_Zipcode"

某些無效的解決方案

• df.loc[df['First Season'] > 1990, 'First Season'] = 1 ，我用作df.loc[foundit, 'zip_cd'] = 'SJ_zipcode' DataFrame：替換列中的所有值，基於符合條件且與條件替換熊貓相似/相同
• df['c'] = df.apply( lambda row: row['a']*row['b'] if np.isnan(row['c']) else row['c'], axis=1)但我沒有將值https://datascience.stackexchange.com/questions/17769/how-to-fill-missing-value-based-on-other-columns-in-pandas-dataframe
• 我嘗試使用where解決方案，但是，似乎用nan替換了不滿足條件的值-但nan值沒有幫助https://pandas.pydata.org/pandas-docs/stable/reference/ api / pandas.DataFrame.where.html
• 這種有條件的方法看起來很有希望，但是隨后卻沒有與每個值循環，我對發生的任何事情感到困惑…… 在python中用False代替比較是什么？
• 使用不具有多個條件和模式的replace的示例將pandas dataframe列中的幾個值替換為另一個值

另一個“想要”； 我想用值更新一個數據框，我不想創建一個新的數據框。

Answer 1

嘗試這個：

df = pd.DataFrame(data)
df

    city         state        zip
0   Burbank      California   44325
1   Anaheim      California   nan
2   El Cerrito   California   57643
3   Los Angeles  California   56734
4   san Fancisco California   32819

def generate_placeholder_zip(row):
    if pd.isnull(row['zip'] ):
        row['zip'] =row['city']+'_ZIPCODE'
    return row   

df.apply(generate_placeholder_zip, axis =1)

    city          state         zip
0   Burbank       California    44325
1   Anaheim       California    Anaheim_ZIPCODE
2   El Cerrito    California    57643
3   Los Angeles   California    56734
4   san Fancisco  California    32819