Pandas：使用其他列按条件更改列

dxpyg8gm 于 2023-04-04 发布在其他

关注(0)|答案(2)|浏览(140)

我有这个dataframe在这里（抱歉的坏例子）

import pandas as pd
import random
df = pd.DataFrame({
    "Alpha": ["A", "A", "A", "A", "B", "B", "B", "B"],
    "Beta": ["C", "D", "E", "F", "C", "D", "E", "F"],
    "Value": [1, 2, 3, 4, 7, 2, 5, 1],
})

我希望对于每个Alpha == A，具有“Beta”=“D”的行的“Value”应该是“Beta=“F”乘以随机数和标量的值。

mask = (df['Alpha'] == 'A')
df.loc[mask & (df['Beta'] == 'D'), 'Value'] = df.loc[mask & (df['Beta'] == 'F'), 'Value'] * 0.5 * random.uniform(0.95, 1.05)

两个loc函数都返回一系列相等长度的值（在其他更高级的例子中也是如此），但最终，Value在任何地方都变成了NaN。
有什么办法可以轻松解决这个问题吗？

pandas

来源：https://stackoverflow.com/questions/75868186/pandas-alter-a-column-by-condition-using-other-columns

2条答案

按热度按时间

d5vmydt91#

使用布尔索引和map。对于随机数，可以利用numpy.random.uniform（或任何其他函数，取决于所需的分布）：

import numpy as np

scalar = 0.5

mask_D = df['Beta'].eq('D')
mask_F = df['Beta'].eq('F')

df.loc[mask_D, 'Value'] = (df.loc[mask_D, 'Alpha']
                            .map(df[mask_F].set_index('Alpha')['Value'])
                            .mul(scalar*np.random.uniform(0.95, 1.05, size=mask_D.sum()))
                         )

输出：

Alpha Beta  Value
0     A    C      1
1     A    D      2
2     A    E      3
3     A    F      4
4     B    C      7
5     B    D      2
6     B    E      5
7     B    F      1

赞(0）回复(0）举报 2023-04-04

zwghvu4y2#

您的代码尝试将pd.Series分配给Value列的单个单元格，而它应该分别分配单个值（根据您的意图）。访问原始values，如下所示：

df.loc[mask & (df['Beta'] == 'D'), 'Value'] = (df.loc[mask & (df['Beta'] == 'F'), 'Value']
                                               * 0.5 * random.uniform(0.95, 1.05)).values

样本输出：

Alpha Beta     Value
0     A    C  1.000000
1     A    D  1.958938
2     A    E  3.000000
3     A    F  4.000000
4     B    C  7.000000
5     B    D  2.000000
6     B    E  5.000000
7     B    F  1.000000

赞(0）回复(0）举报 2023-04-04

我来回答

Pandas：使用其他列按条件更改列

2条答案

相关问题

热门标签

最新问答