如果未找到數據框列，則替換列值

Question

我是 python 的新手。 這里我有以下 dataframe 專欄，

  Predict
   100
   200
   2100
   2200
   51200
     0
   3600     

現在我有以下數組數據

cols = [100,156,160,162,200,256,262,2200,2600,2900,3600,4600]

現在，如果它不在預測中，我將嘗試用0替換它。

所以結果會像

predict
 100
 200
 0
2200
0
3600

現在我試過了

compare_df[~compare_df.isin(cols)] = 0

但我收到了這個錯誤

TypeError: Cannot do inplace boolean setting on mixed-types with a non np.nan value

誰能幫我這個？ 謝謝。

Answer 1

您必須使用Series而不是一列DataFrame通過選擇列名和loc來替換Predict的值：

compare_df.loc[~compare_df['Predict'].isin(cols), 'Predict'] = 0

如果使用列名刪除loc ，則通過掩碼將所有行設置為0 （如果存在）：

compare_df[~compare_df['Predict'].isin(cols)] = 0

如果將 altarative 與numpy.where以及 select 列Predict一起使用：

compare_df['Predict'] = np.where(compare_df['Predict'].isin(cols),compare_df['Predict'], 0)

但在這里也可以工作：

compare_df['Predict'] = np.where(compare_df.isin(cols),compare_df, 0)

編輯：

比較需要列和列表中的相同類型，例如數字或對象（顯然是字符串）。

所以對於兩個字符串值都是必要的：

cols = [str(x) for x in cols]
compare_df.loc[~compare_df['Predict'].isin(cols), 'Predict'] = 0

或者對於兩個數字：

compare_df['Predict'] = compare_df['Predict'].astype(float)
compare_df.loc[~compare_df['Predict'].isin(cols), 'Predict'] = 0

如果無法通過.astype(float)轉換為浮點數：

compare_df['Predict'] = pd.to_numeric(compare_df['Predict'], errors='coerce')
compare_df.loc[~compare_df['Predict'].astype(float).isin(cols), 'Predict'] = 0

Answer 2

這是Series.where 。 它比np.where更好，因為你只需要在 cols 中不存在值時進行 0 的賦值。

new_df=df.where(df.isin(cols),0)
print(new_df)

---

   Predict
0      100
1      200
2        0
3     2200
4        0
5        0
6     3600

如果有超過 1 列：

new_df=df.copy()
new_df['Predict']=df['Predict'].where(df['Predict'].isin(cols),0)
print(new_df)
   Predict
0      100
1      200
2        0
3     2200
4        0
5        0
6     3600

---

如果他們有不同的類型：

new_df=df.copy()
new_df['Predict']=new_df['Predict'].astype(str) #this or the commented line depending on the type of cols and df ['Predict']
#new_df['predict']=new_df['Predict'].astype(int)
new_df['Predict']=df['Predict'].where(df['Predict'].isin(cols),0)
print(new_df)