根据 Pandas 中另一列值的条件更改一列中的值答案

【问题标题】：Change values in one column based on condition of another column's values in Pandas根据 Pandas 中另一列值的条件更改一列中的值
【发布时间】：2020-08-20 16:27:41
【问题描述】：

对于以下屏幕截图，如果ge65_suppress_flag 的值具有# 符号，我想将total_claim_count_ge65 下的NaN 值更改为5。

我想使用 for 循环遍历 ge65_suppress_flag 列，每次遇到 # 符号时，它都会将下一列 (total_claim_count_ge65) 中的 NaN 值更改为 @ 987654332@.

【问题讨论】：

相关问题：stackoverflow.com/questions/41985063/…对你有帮助吗？

标签： python pandas

【解决方案1】：

我会在给你解决方案后一步一步解释。

这是一个可行的单线。

df[df[0]=='#'] = df[df[0]=='#'].fillna(5)

为了使解决方案更通用，我根据您的屏幕截图使用了列的索引。您可以更改索引号，或按名称指定，如下所示：

df['name_of_column']

分步说明：

首先，您想使用第一列df[0] 中的变量属性来仅选择等于字符串'#' 的那些：

df[df[0]=='#']

接下来，使用 pandas 的fillna 方法将所有np.NaN 的变量属性替换为5：

df[df[0]=='#'].fillna(5)

根据fillna 文档，此函数返回一个新数据帧。因此，为避免这种情况，您希望将数据框的子部分设置为函数返回的内容：

df[df[0]=='#'] = df[df[0]=='#'].fillna(5)

【讨论】：

【解决方案2】：

将df.apply 与lambda 一起使用：

d = {'ge65_suppress_flag': ['not_supressed','not_supressed','#'], 'total_claim_count_ge65': [516.03, 881.0, np.nan]}
df = pd.DataFrame(data=d)
df['total_claim_count_ge65'] = df.apply(lambda x: 5 if x['ge65_suppress_flag']=='#' else x['total_claim_count_ge65'], axis=1)
print(df)

打印：

  ge65_suppress_flag  total_claim_count_ge65
0      not_supressed                  516.03
1      not_supressed                  881.00
2                  #                    5.00

【讨论】：

谢谢你粉红色的spikyhairman。这非常有效。屏幕截图来自一个拥有大约 100 万列的数据集。我把这些列变成了列表并应用了你的代码，它能够完成所有的行。我想知道是否有办法做到这一点而不必创建一个新的数据框。假设这两列是大数据框中 70 列中的 2 列，您必须创建这个新数据框，然后返回到更大的主数据框，合并这 2 个新列并删除 2 个旧列。
如果您在数据框 df 中有原始的 70 列数据，并且列名相同，那么我的解决方案的行 df['total_claim_count_ge65'] = df.apply(lambda x: 5 if x['ge65_suppress_flag']=='#' else x['total_claim_count_ge65'], axis=1) 将按原样在该数据框上工作。

【解决方案3】：

创建一个相似的数据框

import pandas
df1 = pd.DataFrame({"ge65_suppress_flag": ['bla', 'bla', '#', 'bla'], "total_claim_count_ge65": [1.0, 2.0, None, 4.0]})

在ge65_suppress_flag列值等于'#'的行中填入5.0

df1.loc[df1['ge65_suppress_flag']=="#", 'total_claim_count_ge65'] = 5.0

【讨论】：

感谢Permanent Pon。这工作得很好。我所拥有的屏幕截图只是我正在查看的数据的一小部分，我使用了你的想法并稍作修改。我将 2 列转换为列表，并在数据框方法中使用它们来完成由大约 100 万行组成的全部列。我想知道是否有办法做到这一点，而不必创建一个新的数据框。

【解决方案4】：

尝试类似：

df[df['ge65_suppress_flag'] == '#']['total_claim_count_ge65'].fillna(5, inplace=True)

【讨论】：