如何根據 Pandas 中的條件為 dataframe 子集的列分配值？

Question

我有一個數據框：

df = pd.DataFrame([[0,4,0,0],
[1,5,1,0],
[2,6,0,0],
[3,7,1,0]], columns=['index', 'A', 'class', 'label'])

東風：

指數	一個	class	label
0	4	0	0
1	5	1	0
2	6	0	0
3	7	1	0

如果 class 為 0 的 A 列行的平均值大於 A 列中所有數據的平均值，我想將 label 更改為 1？

如何在幾行代碼中做到這一點？

我試過這個但沒有奏效：

if df[df['class'] == 0]['A'].mean() > df['A'].mean():
   df[df['class']]['lable'] = 1

Answer 1

Use the following, pandas.DataFrame.groupby 'class' , get groupby.mean of each group of 'A' , check whether greater than df['A'].mean() , and pandas.Series.map that boolean series astype (int)到df['class']並分配給df['label'] ：

>>> df['label'] = df['class'].map(
        df.groupby('class')['A'].mean() > df['A'].mean()
    ).astype(int)

>>> df

   index  A  class  label
0      0  4      0      0
1      1  5      1      1
2      2  6      0      0
3      3  7      1      1

由於您只檢查class == 0，因此您需要在df['class']上添加另一個boolean mask ：

>>> df['label'] = (df['class'].map(
        df.groupby('class')['A'].mean() > df['A'].mean()
        ) & (~df['class'].astype(bool))
    ).astype(int)
   index  A  class  label
0      0  4      0      0
1      1  5      1      0   # because (5+7)/2 < (4+5+6+7)/4
2      2  6      0      0
3      3  7      1      0   # because (5+7)/2 < (4+5+6+7)/4

因此，即使您的代碼有效，您也不會知道它，因為條件沒有得到滿足。

Answer 2

如果我理解正確，如果您提到的條件已滿足，那么所有行的標簽都會更改為 1 對嗎？ 在這種情況下，您所做的是正確的，但您遺漏了一些東西，代碼應如下所示：

if df[df['class'] == 0]['A'].mean() > df['A'].mean:
   df['label'] = 1

這應該有效。 您所做的不起作用，因為當您使用 df[df['class']] 時，您只是選擇了 DataFrame 的 'class' 列，因此不會調用您要修改的 'label' 列