python - 使用 pandas 中的列条件更改特定行中的值

Question

我有一个包含两列 gender, score 的数据框 df。

|---------------------|------------------|
|      gender         |     score        |
|---------------------|------------------|
|          male       |         34       |
|---------------------|------------------|
|          female     |         34       |
|---------------------|------------------|
|          male       |         34       |
|---------------------|------------------|
|          female     |         34       |
|---------------------|------------------|
|          male       |         34       |
|---------------------|------------------|

我想将第 3 行到第 5 行的男性(gender == 'male')分数更改为 0，预期输出:

|---------------------|------------------|
|      gender         |     score        |
|---------------------|------------------|
|          male       |         34       |
|---------------------|------------------|
|          female     |         34       |
|---------------------|------------------|
|          male       |         0        |
|---------------------|------------------|
|          female     |         34       |
|---------------------|------------------|
|          male       |         0        |
|---------------------|------------------|

如何将 iloc 与该条件相结合？

Answer 1

备选方案 1:

你可以用两个掩码(条件)来完成。这应该是可读的并且有意义。

m1 = (df.gender == 'male')
m2 = (df.gender.duplicated())

df.loc[m1&m2, 'score'] = 0

备选方案 2:

切掉非零掩码的第一个真值(需要import numpy as np)。这应该会更快。

m = np.nonzero(df.gender=='male')[0][1:]
df.loc[m, 'score'] = 0

---

完整示例:

import pandas as pd
import numpy as np

df = pd.DataFrame({
    'gender': ['male','female','male','female','male'],
    'score': 34
})

m1 = (df.gender == 'male')
m2 = (df.gender.duplicated())

m = np.nonzero(df.gender=='male')[0][1:]
df.loc[m, 'score'] = 0

print(df)

返回:

   gender  score
0    male     34
1  female     34
2    male      0
3  female     34
4    male      0