Python Pandas DataFrame mask方法用法及代碼示例

例子

應用自定義蒙版

考慮以下 DataFrame ：

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



   A  B
0  1  3
1  2  4

我們的目標是使用 mask(~) 方法將所有大於 2 的值替換為值 5。

為了使用 mask(~) ，我們首先需要像這樣準備掩碼：

df_mask = df > 2



   A      B
0  False  True
1  False  True

請注意，所有符合條件的值(值 > 2)如何標記為 True ，以及那些不標記為 False 的值。

最後，我們像這樣應用掩碼：

df.mask(df_mask, 5)



   A  B
0  1  5
1  2  5

我們看到所有大於 2 的值(在本例中為 3 和 4)已被 5 替換。

應用 Pandas 內置遮罩

考慮以下 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

我們的 df 包含兩個缺失值。我們的目標是用值 5 替換這些缺失值。

我們可以利用 Panda DataFrame.isna(~) 方法，而不是像以前那樣創建自己的布爾掩碼：

df.isna()



   A      B
0  True   False
1  False  True

我們可以直接執行屏蔽操作，如下所示：

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



   A    B
0  5.0  3.0
1  2.0  5.0

請注意，這隻是一個示例，用於說明 mask(~) 的使用 - 要填充缺失值，請選擇使用 fillna(~) 。

使用DataFrame作為替代品

在前麵的兩個示例中，我們隻是用一個數字替換了滿足特定條件的所有值。 mask(~) 方法還可以采用 DataFrame，當您有多個值作為替換者時使用該 DataFrame。

作為示例，請考慮以下 DataFrame：

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



   A  B
0  1  3
1  2  4

再一次，假設我們要修改所有大於 2 的值。

我們像這樣準備掩碼：

df_mask = df > 2



   A      B
0  False  True
1  False  True

接下來，我們創建 DataFrame 用作替換器：

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



   A  B
0  5  7
1  6  8

最後，使用mask(~)方法來應用我們的掩碼：

df.mask(df_mask, df_replacer)



   A  B
0  1  7
1  2  8

請注意 df 中在 df_mask 中標記為 True 的值如何被 df_replacer 中的相應條目替換。