更新成对熊猫df中的值答案

【问题标题】：Update values in pairwise pandas df更新成对熊猫df中的值
【发布时间】：2018-09-25 00:23:30
【问题描述】：

我有一个成对的df：

raw_data = {0: [5,4,6,8,9], 
        1: [4,8,1,2,5], 
        2: [42, 52, 36, 24, 73], 
        3: [0, 0, 0, 2, 1],
        4: [2, 2, 0, 2, 0]}
df = pd.DataFrame(raw_data, columns = [0,1,2,3,4])

我想将任何零设置为其对的值，例如在 col 0 第 3 行有一个 0，因此它的对将在 col 3 第 0 行，在本例中为值 8。

我可以通过迭代来做到：

for i in df.index:
    for j in df.columns:
        if df.loc[i,j] == 0:
            df.loc[i,j] = df.loc[j,i]

但它很慢。我可以应用一个函数或一个 df 方法来快速做到这一点吗？

谢谢！

【问题讨论】：

标签： python pandas function apply

【解决方案1】：

您可以通过布尔值分配它

df[df==0]=df.T
df
Out[364]: 
   0  1   2   3   4
0  5  4  42   8   2
1  4  8  52   2   2
2  6  1  36  24  73
3  8  2  24   2   2
4  9  5  73   1   0

【讨论】：

@LiamMcIntyre df==0 这将返回 boolean ，然后我们可以将值分配给 True 值

【解决方案2】：

使用where/mask，我们将第一个参数为True 的位置设为无效，并用第二个参数中的替代项填充它。

df.where(df.astype(bool), df.T)

或者，

df.mask(df.eq(0), df.T)

    0   1   2   3   4
0   5   4   6   8   9
1   4   8   1   2   5
2  42  52  36  24  73
3   8   2  24   2   1
4   2   2  73   2   0

根据@cᴏʟᴅsᴘᴇᴇᴅ 的建议，Numpy 等效

pd.DataFrame(np.where(df, df, df.T), df.index, df.columns)

    0   1   2   3   4
0   5   4   6   8   9
1   4   8   1   2   5
2  42  52  36  24  73
3   8   2  24   2   1
4   2   2  73   2   0

【讨论】：

啊，这太优雅了。您也可以添加 numpy 等效项 pd.DataFrame(np.where(df == 0, df.T, df))
我稍微调整了一下
很好，忘了 numpy 可以测试整数的真实性（不像熊猫，它需要布尔掩码）。

【解决方案3】：

使用 df 的转置调用将 0 替换为 NaN 和 pd.DataFrame.fillna。

df[df != 0].fillna(df.T).astype(int)

   0  1   2   3   4
0  5  4  42   8   2
1  4  8  52   2   2
2  6  1  36  24  73
3  8  2  24   2   2
4  9  5  73   1   0

【讨论】：