Python Pandas DataFrame where方法用法及代码示例

例子

基本用法

考虑以下 DataFrame ：

df = pd.DataFrame({"A":[3,4],"B":[5,6]})
df



   A  B
0  3  5
1  4  6

假设我们有以下 DataFrame 作为布尔掩码：

df_mask = pd.DataFrame({"A":[True,False],"B":[False,True]})
df_mask



   A      B
0  True   False
1  False  True

然后，我们调用 where(~) 来选择性地替换 df 中的值，其中 df_mask 中的相应条目是 False ：

df.where(df_mask, 10)



   A   B
0  3   10
1  10  6

传入可调用的 cond

考虑与之前相同的DataFrame：

df = pd.DataFrame({"A":[3,4],"B":[5,6]})
df



   A  B
0  3  5
1  4  6

我们还可以传入一个函数，如下所示，而不是指定一个类似数组的掩码作为第一个参数：

def foo(my_df):
 return my_df > 4
df.where(foo, 10)



   A   B
0  10  5
1  10  6

这里，函数foo接受整个DataFrame作为参数，并返回布尔值DataFrame。同样，布尔值 True 意味着相应的值将保持不变，同时对 False 进行替换。

请注意，前面的代码片段可以使用 lambda 紧凑地编写：

df.where(lambda x : x > 4, 10)



   A   B
0  10  5
1  10  6

传递给其他人可调用

考虑与之前相同的DataFrame：

df = pd.DataFrame({"A":[3,4],"B":[5,6]})
df



   A  B
0  3  5
1  4  6

假设我们有一个如下所示的掩码：

my_mask = [[True,False],[True,False]]
my_mask



[[True, False],
 [True, False]]

让我们为 other 参数传递一个可调用函数：

df.where(my_mask, lambda x : x + 10)



   A  B
0  3  15
1  4  16

可调用函数接受要替换的值作为参数，并返回新的替换器。