我想知道是否有一种方法可以使 .ix 具有多个条件。更具体地说，我想做的是改变这一点:
In [66]: df_test
Out[66]:
A B C D E
0 -0.013863 False -0.546036 0.373015 1.002579
1 1.275009 2 0.447672 -0.393775 -1.509525
2 -0.517209 0 0.543322 2.434393 0.348002
3 1.768921 0 -1.015705 1.121779 1.548792
4 0.575418 NaN -1.803939 0.099772 0.508620
5 0.722897 0.519641 0.435199 -0.059685 -0.585716
地点:
In [67]: type(df_test.iloc[0,1])
Out[67]: bool
In [68]: type(df_test.iloc[1,1])
Out[68]: str
In [69]: type(df_test.iloc[2,1])
Out[69]: str
In [70]: type(df_test.iloc[3,1])
Out[70]: int
对此:
A B C D E
0 -0.013863 NaN -0.546036 0.373015 1.002579
1 1.275009 2 0.447672 -0.393775 -1.509525
2 -0.517209 0 0.543322 2.434393 0.348002
3 1.768921 0 -1.015705 1.121779 1.548792
4 0.575418 NaN -1.803939 0.099772 0.508620
5 0.722897 0.519641 0.435199 -0.059685 -0.585716
似乎位置 [0,1] 和 [3,1] 中的项目都是 == False，因此，当我尝试 df_test.ix[df_test.B == False, 'B'] = np.nan 时，这两项都变成了 NaN。
当我尝试 df_test.ix[df_test.B == False 且 type(df_test.B) == bool, 'B'] = np.nan 时，出现以下错误:KeyError:“无法使用单个 bool 值来索引 setitem”
任何想法将不胜感激。
编辑
In [133]: df_test
Out[133]:
A B C D E
0 -0.013863 False 1 0.373015 1.002579
1 1.275009 2 0.447672 -0.393775 -1.509525
2 -0.517209 0 3 2.434393 0.348002
3 1.768921 0 NaN 1.121779 1.548792
4 0.575418 NaN -1.80394 0.099772 0.508620
5 0.722897 0.519641 0.435199 -0.059685 -0.585716
...
In [134]: df_test.dtypes
Out[134]:
A float64
B object
C object
D float64
E float64
dtype: object
In [139]: type(df_test['B'][0])
Out[139]: bool
In [140]: type(df_test['B'][1])
Out[140]: str
In [141]: type(df_test['B'][2])
Out[141]: str
In [142]: type(df_test['B'][3])
Out[142]: int
In [143]: type(df_test['B'][4])
Out[143]: float
In [144]: df_test['B'] == False
Out[144]:
0 True
1 False
2 False
3 True
4 False
5 False
6 False
7 False
8 False
9 False
Name: B, dtype: bool
编辑2 请参阅下面的复制方式
In [226]: df_test = pd.DataFrame(np.random.randn(5,5), columns=list('ABCDE'))
In [227]: df_test
Out[227]:
A B C D E
0 0.609775 0.205708 -0.015081 2.096414 0.121245
1 1.223234 -1.299398 1.238649 0.216846 -0.789828
2 0.446873 1.734404 -0.675568 -1.203400 0.053905
3 0.286693 -0.080294 -0.115739 -0.195039 0.400201
4 0.519230 1.939370 -0.424466 0.102137 -0.724420
In [228]: df_test.iloc[0,1] = False
In [229]: df_test.iloc[1,1] = '0'
In [230]: df_test.iloc[2,1] = 0
In [231]: df_test.iloc[3,1] = '2'
In [232]: df_test.B == False
Out[232]:
0 True
1 False
2 True
3 False
4 False
Name: B, dtype: bool
最佳答案
这行代码可以实现您想要的功能。它将 False 值映射到 np.nan:
df_test['B'] = df_test['B'].map(lambda x:np.nan if x == False else x)
编辑:
更好的方法就是
df[df == False] = np.nan
实际解决方案
经过一番努力，似乎 map() 可以满足多种条件，并且下面的效果很好:
df_test['B'] = df_test['B'].map(lambda x: np.nan if ((type(x) == bool) & (x == False)) else x)
关于python - pandas .ix 中是否可以有两个条件？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/36603671/