在使用Pandas的Python中，DataFrame列中的值可以通過使用各種內(nèi)置函數(shù)根據(jù)條件進(jìn)行替換。在本文中，我們將討論在Pandas中用條件替換數(shù)據(jù)集列中的值的各種方法。

1. 使用dataframe.loc方法

使用此方法，我們可以使用條件或布爾數(shù)組訪問一組行或列。如果我們可以訪問它，我們也可以操縱值，是的！這是我們的第一個(gè)方法，通過pandas中的dataframe.loc[]函數(shù)，我們可以訪問一個(gè)列并使用條件更改其值。

語(yǔ)法: df.loc[ df[“column_name”] == “some_value”, “column_name”] = “value”

注意：您也可以使用其他運(yùn)算符來構(gòu)造條件以更改數(shù)值。

例子：在此示例中，代碼導(dǎo)入Pandas和NumPy庫(kù)，從保存學(xué)生數(shù)據(jù)的字典（‘Student’）構(gòu)建DataFrame（‘df’），然后在打印修改后的DataFrame之前將’gender’列的值從“male”更改為“1”。

# Importing the libraries
import pandas as pd
import numpy as np

# data
Student = {
	'Name': ['John', 'Jay', 'sachin', 'Geetha', 'Amutha', 'ganesh'],
	'gender': ['male', 'male', 'male', 'female', 'female', 'male'],
	'math score': [50, 100, 70, 80, 75, 40],
	'test preparation': ['none', 'completed', 'none', 'completed',
						'completed', 'none'],
}

# creating a Dataframe object
df = pd.DataFrame(Student)

# Applying the condition
df.loc[df["gender"] == "male", "gender"] = 1
print(df)

輸出

 Name  gender  math score test preparation
0    John       1          50             none
1     Jay       1         100        completed
2  sachin       1          70             none
3  Geetha  female          80        completed
4  Amutha  female          75        completed
5  ganesh       1          40             none

2. 使用NumPy.where方法

我們將要看到的另一個(gè)方法是使用NumPy庫(kù)。NumPy是一個(gè)非常流行的庫(kù)，用于計(jì)算2D和3D數(shù)組。它為我們提供了一個(gè)非常有用的方法，where（）可以訪問帶有條件的特定行或列。我們還可以使用此函數(shù)更改列的特定值。

語(yǔ)法: df[“column_name”] = np.where(df[“column_name”]==”some_value”, value_if_true, value_if_false)

例子：在此示例中，代碼導(dǎo)入Pandas和NumPy庫(kù)，從包含學(xué)生數(shù)據(jù)的名為“student”的字典中構(gòu)建名為“df”的DataFrame，并使用NumPy np.where函數(shù)將“gender”列的值從“female”更改為“0”，將“male”更改為1。然后輸出更改后的DataFrame。

# Importing the libraries
import pandas as pd
import numpy as np

# data
student = {
	'Name': ['John', 'Jay', 'sachin', 'Geetha', 'Amutha', 'ganesh'],
	'gender': ['male', 'male', 'male', 'female', 'female', 'male'],
	'math score': [50, 100, 70, 80, 75, 40],
	'test preparation': ['none', 'completed', 'none', 'completed',
						'completed', 'none'],
}

# creating a Dataframe object
df = pd.DataFrame(student)


# Applying the condition
df["gender"] = np.where(df["gender"] == "female", 0, 1)
print(df)

輸出

Name  gender  math score test preparation
0    John       1          50             none
1     Jay       1         100        completed
2  sachin       1          70             none
3  Geetha       0          80        completed
4  Amutha       0          75        completed
5  ganesh       1          40             none

3. 使用mask方法

Pandas masking函數(shù)用于將任何行或列的值替換為條件。

語(yǔ)法: df[‘column_name’].mask( df[‘column_name’] == ‘some_value’, value , inplace=True )

例子：在此示例中，代碼導(dǎo)入Pandas和NumPy庫(kù)，從包含學(xué)生數(shù)據(jù)的名為“student”的字典中構(gòu)建名為“df”的DataFrame，然后使用Pandas mask函數(shù)將“gender”列中的值“female”替換為0，然后打印修改后的DataFrame。它還包括一行注釋，顯示如何有條件地將“math score”列中的值替換為“good”（對(duì)于大于或等于60的分?jǐn)?shù)）。

# Importing the libraries
import pandas as pd
import numpy as np

# data
student = {
	'Name': ['John', 'Jay', 'sachin', 'Geetha', 'Amutha', 'ganesh'],
	'gender': ['male', 'male', 'male', 'female', 'female', 'male'],
	'math score': [50, 100, 70, 80, 75, 40],
	'test preparation': ['none', 'completed', 'none', 'completed', 
						'completed', 'none'],
}

# creating a Dataframe object
df = pd.DataFrame(student)

# Applying the condition
df['gender'].mask(df['gender'] == 'female', 0, inplace=True)
print(df)
# Try this too
#df['math score'].mask(df['math score'] >=60 ,'good', inplace=True)

輸出

Name gender  math score test preparation
0    John   male          50             none
1     Jay   male         100        completed
2  sachin   male          70             none
3  Geetha      0          80        completed
4  Amutha      0          75        completed
5  ganesh   male          40             none

4. 使用apply（）和lambda函數(shù)

在這個(gè)例子中，我們使用了lamda和apply（）函數(shù)來根據(jù)條件替換列中的值。

# Importing the libraries
import pandas as pd
import numpy as np

# Data
student = {
	'Name': ['John', 'Jay', 'sachin', 'Geetha', 'Amutha', 'ganesh'],
	'gender': ['male', 'male', 'male', 'female', 'female', 'male'],
	'math score': [50, 100, 70, 80, 75, 40],
	'test preparation': ['none', 'completed', 'none', 'completed',
						'completed', 'none'],
}

# Creating a DataFrame object
df = pd.DataFrame(student)

# Applying the condition using apply and lambda
df['gender'] = df['gender'].apply(lambda x: 0 if x == 'female' else x)

print(df)

輸出

Name gender  math score test preparation 
0    John   male          50             none 
1     Jay   male         100        completed 
2  sachin   male          70             none 
3  Geetha      0          80        completed 
4  Amutha      0          75        completed 
5  ganesh   male          40             none

到此這篇關(guān)于Pandas根據(jù)條件實(shí)現(xiàn)替換列中的值的文章就介紹到這了,更多相關(guān)Pandas替換列值內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評(píng)論