我有一个大数据框，看起来像:
df1['A'].ix[1:3]
2017-01-01 02:00:00 [33, 34, 39]
2017-01-01 03:00:00 [3, 43, 9]
我想用 11 替换每个大于 9 的元素。
因此，上述示例所需的输出是:
df1['A'].ix[1:3]
2017-01-01 02:00:00 [11, 11, 11]
2017-01-01 03:00:00 [3, 11, 9]
编辑:
我的实际数据框有大约 20,000 行，每行都有大小为 2000 的列表。
有没有办法对每一行使用 numpy.minimum 函数？我假设它会比 list comprehension 方法更快？
最佳答案
非常简单:df[df > 9] = 11
关于python - 替换大于 Pandas 数据框中数字的值，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/43757977/