更新 Pandas 中的等效项答案

【问题标题】：Update Where Equivalent in Pandas更新 Pandas 中的等效项
【发布时间】：2018-09-02 15:15:25
【问题描述】：

我在数据框中有一个不应为空的列列表。

我想删除这些列中的任何空行。我的解决方案是遍历所需的列并将列“排除”设置为在排除它们之前将向用户显示的错误消息（我将在流程结束时以报告的形式将这些信息呈现给用户)

我目前正在尝试这样的事情：

for col in requiredColumns:
    df[pd.isnull(df[col])]['excluded'] = df[pd.isnull(df[col])]['excluded'].apply(lambda x: str(x) + col + ' empty, excluded')

但没有运气 - 列没有更新。过滤器本身（仅获取空行）有效，更新部分似乎不起作用。

我习惯了 SQL：

UPDATE df SET e = e & "empty, excluded" WHERE NZ(col, '') = ''

【问题讨论】：

dropna()请查收
我不想 dropna() - 我只是想标记 nas。
然后为你工作
fillna 替换 nas - 我想填充不同的列。 UPDATE WHERE 等价物。

标签： python sql pandas dataframe

【解决方案1】：

如果您需要根据多个条件更新熊猫：

您可以简单地使用.loc

>>> df
      A   B    C
0     2  40  800
1     1  90  600
2     6  80  700
3  1998  70   55
4     1  90  300
5     7  80  700
6     4  20  300
7  1998  20    2
8     7  10  100
9  1998  60    2

>>> df.loc[(df['A'] > 7) & (df['B'] > 69) , 'C'] = 75

这将设置 'C' = 75，其中 'A' > 7 和 'B' > 69

【讨论】：

【解决方案2】：

一种方法是使用numpy 函数创建带有所需标记的列。

设置

import pandas as pd, numpy as np

df = pd.DataFrame({'A': [1, np.nan, 2, 3, 4, 5],
                   'B': [2, 3, np.nan, 5, 1, 9],
                   'C': [5, 8, 1, 9, np.nan, 7]})

     A    B    C
0  1.0  2.0  5.0
1  NaN  3.0  8.0
2  2.0  NaN  1.0
3  3.0  5.0  9.0
4  4.0  1.0  NaN
5  5.0  9.0  7.0

解决方案

df['test'] = np.any(np.isnan(df.values), axis=1)

     A    B    C   test
0  1.0  2.0  5.0  False
1  NaN  3.0  8.0   True
2  2.0  NaN  1.0   True
3  3.0  5.0  9.0  False
4  4.0  1.0  NaN   True
5  5.0  9.0  7.0  False

说明

np.isnan 返回一个布尔数组，对应numpy 数组的元素是否为空。
根据需要使用np.any 或np.all 来确定哪些行在范围内。
使用df.values 从数据帧中提取底层numpy 数组。对于选定的列，您可以使用df[['A', 'B']].values。

【讨论】：