根据 loc 条件更改特定值

Question

样本数据：

sample_data = [
  {'Case #': 'A25', 'Parent Case #': 'A24', 'Data': 'Blah blah'},
  {'Case #': 'B46', 'Parent Case #': nan, 'Data': 'Waka waka'},
  {'Case #': 'B89', 'Parent Case #': 'B46', 'Data': 'Moo moo'},
  {'Case #': 'C12', 'Parent Case #': nan, 'Data': 'Meow'},
  {'Case #': 'C44', 'Parent Case #': nan, 'Data': 'Woof'},
  {'Case #': 'C77', 'Parent Case #': 'C12', 'Data': 'Hiss'},
  {'Case #': 'D55', 'Parent Case #': 'D2', 'Data': 'Ribbet'}
]

df = pd.DataFrame(sample_data)

数据包含可能有也可能没有父案例的案例（即，他们可能是孩子，也可能不是）。没有孙子/最大深度 = 1。

但是，该数据集中不存在一些引用的父母，因此这些案例实际上是孤儿。

出于我的数据的目的，只需删除对父项的引用就可以满足孤儿的要求。我可以这样识别这些孤儿：

df.loc[~df["Parent Case #"].isna() & ~df2["Parent Case #"].isin(df2["Case #"].values)]

对于这两个匹配的行，我想删除“Parent Case #”引用（使该值nan/仅对这两行为空）。我该怎么做呢？我觉得我只是错过了最后一步。我不确定如何使用我的条件及其 & 逻辑进行分配。

Answer 1

您只需指定用于分配缺失值的列：

#changed df2 to df
df.loc[df["Parent Case #"].notna() & ~df["Parent Case #"].isin(df["Case #"]), 'Parent Case #'] = np.nan
print (df)
  Case # Parent Case #       Data
0    A25           NaN  Blah blah
1    B46           NaN  Waka waka
2    B89           B46    Moo moo
3    C12           NaN       Meow
4    C44           NaN       Woof
5    C77           C12       Hiss
6    D55           NaN     Ribbet

另一个想法 - 为所有行重新分配缺失值：

df.loc[~df["Parent Case #"].isin(df["Case #"]), 'Parent Case #'] = np.nan