根据行相关和列相关条件设置数据框值

Question

情况

考虑一个包含以下列的数据框df：

• 一列名为amount。此列中的所有值都是 > 0 的整数或 NaN。
• 名为property_1、property_2、property_3 等的多个列。这些列中的值是任意的。

一个简单的例子df 是：

import numpy as np
import pandas as pd

data = [
    [2, 7., 2., 4., 3.],
    [np.nan, 8., 3., 4., 2.],
    [3, 9., 1., 5., 6.],
    [1, 8., 2., 4., 1.],
]
columns = ['amount', 'property_1', 'property_2', 'property_3', 'property_4']
df = pd.DataFrame(data, columns=columns)

在控制台输出中如下所示：

   amount  property_1  property_2  property_3  property_4
0     2.0         7.0         2.0         4.0         3.0
1     NaN         8.0         3.0         4.0         2.0
2     3.0         9.0         1.0         5.0         6.0
3     1.0         8.0         2.0         4.0         1.0

问题

我想将df 转换为如下所示的数据框：

   amount  property_1  property_2  property_3  property_4
0     2.0         7.0         2.0         NaN         NaN
1     NaN         NaN         NaN         NaN         NaN
2     3.0         9.0         1.0         5.0         NaN
3     1.0         8.0         NaN         NaN         NaN

基本上，我想在列名的数字后缀大于amount 值或amount 值为 NaN 的所有位置设置一个 NaN 值。

我觉得必须有一种聪明的方法来通过一些矢量化数据帧操作来实现这一点。有人知道具体是怎么回事吗？

Answer 1

您可以使用np.subtract.outer 为您的第一个条件构造布尔掩码。第二个 null 条件通过fillna(0) 处理，因为所有正整数都大于 0。

# extract integers from columns
ints = df.columns[1:].str.rsplit('_', n=1).str[-1].astype(int)

# perform elementwise comparison after replacing null amounts with 0
bool_arr = np.subtract.outer(ints, df['amount'].fillna(0)).T

# apply Boolean mask to selected columns
df.iloc[:, 1:] = df.iloc[:, 1:].mask(bool_arr > 0)

print(df)

   amount  property_1  property_2  property_3  property_4
0     2.0         7.0         2.0         NaN         NaN
1     NaN         NaN         NaN         NaN         NaN
2     3.0         9.0         1.0         5.0         NaN
3     1.0         8.0         NaN         NaN         NaN