Python Pandas DataFrame mask方法用法及代码示例

例子

应用自定义蒙版

考虑以下 DataFrame ：

df = pd.DataFrame({"A":[1,2], "B":[3,4]})
df



   A  B
0  1  3
1  2  4

我们的目标是使用 mask(~) 方法将所有大于 2 的值替换为值 5。

为了使用 mask(~) ，我们首先需要像这样准备掩码：

df_mask = df > 2



   A      B
0  False  True
1  False  True

请注意，所有符合条件的值(值 > 2)如何标记为 True ，以及那些不标记为 False 的值。

最后，我们像这样应用掩码：

df.mask(df_mask, 5)



   A  B
0  1  5
1  2  5

我们看到所有大于 2 的值(在本例中为 3 和 4)已被 5 替换。

应用 Pandas 内置遮罩

考虑以下 DataFrame ：

df = pd.DataFrame({"A": [pd.np.NaN,2], "B":[3,pd.np.NaN]})
df



   A    B
0  NaN  3.0
1  2.0  NaN

我们的 df 包含两个缺失值。我们的目标是用值 5 替换这些缺失值。

我们可以利用 Panda DataFrame.isna(~) 方法，而不是像以前那样创建自己的布尔掩码：

df.isna()



   A      B
0  True   False
1  False  True

我们可以直接执行屏蔽操作，如下所示：

df.mask(df.isna(), 5)



   A    B
0  5.0  3.0
1  2.0  5.0

请注意，这只是一个示例，用于说明 mask(~) 的使用 - 要填充缺失值，请选择使用 fillna(~) 。

使用DataFrame作为替代品

在前面的两个示例中，我们只是用一个数字替换了满足特定条件的所有值。 mask(~) 方法还可以采用 DataFrame，当您有多个值作为替换者时使用该 DataFrame。

作为示例，请考虑以下 DataFrame：

df = pd.DataFrame({"A":[1,2],"B":[3,4]})
df



   A  B
0  1  3
1  2  4

再一次，假设我们要修改所有大于 2 的值。

我们像这样准备掩码：

df_mask = df > 2



   A      B
0  False  True
1  False  True

接下来，我们创建 DataFrame 用作替换器：

df_replacer = pd.DataFrame({"A":[5,6], "B":[7,8]})
df_replacer



   A  B
0  5  7
1  6  8

最后，使用mask(~)方法来应用我们的掩码：

df.mask(df_mask, df_replacer)



   A  B
0  1  7
1  2  8

请注意 df 中在 df_mask 中标记为 True 的值如何被 df_replacer 中的相应条目替换。