Pandas - 根据单元格和列的条件更改单元格值答案

【问题标题】：Pandas - change cell value based on conditions from cell and from columnPandas - 根据单元格和列的条件更改单元格值
【发布时间】：2021-05-21 15:36:19
【问题描述】：

我有一个包含很多“坏”单元格的数据框。假设它们的值都是 -99.99，我想删除它们（将它们设置为 NaN）。

这很好用：

df[df == -99.99] = None

但实际上，只有在同一行中的另一个单元格的市场为 1（例如，在“错误”列中）时，我才想删除所有这些单元格。

我想删除所有 -99.99 单元格，但前提是 df["Error"] == 1。

我认为最直接的解决方案是

df[(df == -99.99) & (df["Error"] == 1)] = None

但它给了我错误：

ValueError: cannot reindex from a duplicate axis

我尝试了互联网上所有给定的解决方案，但我无法让它发挥作用！ :(

由于我的 Dataframe 很大，我不想对其进行迭代（当然，这会起作用，但需要很多时间）。

有什么提示吗？

【问题讨论】：

标签： python pandas replace conditional-statements cell

【解决方案1】：

在传递 numpy 值时尝试使用广播：

# sample data, special value is -99
df = pd.DataFrame([[-99,-99,1], [2,-99,2], 
                   [1,1,1], [-99,0, 1]], 
                  columns=['a','b','Errors'])

# note the double square brackets
df[(df==-99) & (df[['Errors']]==1).values] = np.nan

输出：

     a     b  Errors
0  NaN   NaN       1
1  2.0 -99.0       2
2  1.0   1.0       1
3  NaN   0.0       1

【讨论】：

就是这样，它有效，非常感谢！

【解决方案2】：

至少，这是可行的（但使用列迭代）：

for i in df.columns:
    df.loc[df[i].isin([-99.99]) & df["Error"].isin([1]), i] = None

【讨论】：