如何在熊猫中应用条件但仅适用于有限数量的行？答案

【问题标题】：how to apply condition in pandas but only for finite number of rows?如何在熊猫中应用条件但仅适用于有限数量的行？
【发布时间】：2021-01-07 07:52:32
【问题描述】：

我有一个多索引熊猫表，如下所示。

我想更新 Crop 和 Avl 列，比如“番茄”和“0”，但仅限于有限的次数（比如，我只需要 10 行番茄，满足一个条件）。目前通过 pandas，我最终会更新所有满足该条件的行。

col1 = ildf1.index.get_level_values(1) # https://stackoverflow.com/a/50608928/9148067
cond = col1.str.contains('DN_Mega') & (ildf1['Avl'] == 1)

ildf1.iloc[ cond , [0,2]] = ['Tomato', 0]

我如何限制它只说满足条件的所有行中的 10 行？

PS：我使用了get_level_values，因为我的 df 中有 4 列（GR、PP+MT、Bay、Row）多索引。

【问题讨论】：

标签： python pandas dataframe multi-index

【解决方案1】：

对于如下定义的df，您需要添加额外的索引来计算所有具有不同数字的行，然后您可以根据切片设置新的值。给你=^..^=

import pandas as pd


df = pd.DataFrame({'Crop': ['', '', '', '', ''], 'IPR': ['', '', '', '', ''], 'Avi': [1, 2, 3, 4, 5]}, index=[['0','0', '8', '8', '8'], ['6', '7', '7', '7', '7']])

# add additional index
df['id'] = [x for x in range(0, df.shape[0])]
df.set_index('id', append=True, inplace=True)

# select only two values based on condition
condition = df.index[df.index.get_level_values(0).str.contains('8')][0:2]
df.loc[condition, ['Crop', 'IPR']] = ['Tomato', 0]

输出：

          Crop IPR  Avi
    id                 
0 6 0                 1
  7 1                 2
8 7 2   Tomato   0    3
    3   Tomato   0    4
    4                 5

【讨论】：

这应该可以工作，测试它，顺便说一句，我们不能这样做是多索引的限制吗？我认为多索引在反汇编时只是显示为合并的指定列的重复行，但实际上仍然是分开的。
@Parthiban Rajendran 在 Pandas 中，您没有定义行数来填充索引相同的多索引上的数据，这就是为什么您需要添加额外的索引来处理这个问题。另一种解决方案是禁用多索引并使用列数据。
哪个更快？
@Parthiban Rajendran 我认为以上
在第一种方法中，完成工作后，我尝试删除该 id 列，但这也会丢失所有多索引列。我做了df.reset_index(drop=True, inplace=True)。其次，我使用df.reset_index(level=['GR','PP+MT','Bay']) 禁用了 MI，但现在如何在操作后恢复 MI？在这两种情况下，如果您可以展示如何在可能的情况下在操作后恢复到原始 df，那就太好了。