如何有条件地更新熊猫数据框中的多个列答案

【问题标题】：How can I conditionally update multiple columns in a panda dataframe如何有条件地更新熊猫数据框中的多个列
【发布时间】：2016-10-07 03:35:40
【问题描述】：

我正在尝试有条件地更新我的熊猫数据框中的多行。这是我的数据：

df = pd.DataFrame([[1,1,1], [2,2,2], [3,3,3]], columns=list('ABC'))

我可以分两步完成我想要的更新：

df.loc[df['A'] == 1, 'B'] = df['C'] +10
df.loc[df['A'] == 1, 'A'] = df['C'] +11

或者我可以一步更新为常数值：

df.loc[df['A'] == 1, ['A', 'B']] = [11, 12]

但我无法一步更新其他列中的多个列：

df.loc[df['A'] == 1, ['A', 'B']] = [df['C'] + 10, df['C'] + 11]
...
ValueError: shape mismatch: value array of shape (2,3) could not be broadcast to indexing result of shape (1,2)

有什么想法可以做到这一点吗？

编辑：感谢@EdChum 为简单案例提供简单的解决方案 - 已更新问题以展示更复杂的现实。

【问题讨论】：

标签： python pandas dataframe

【解决方案1】：

所以几年后再看这个问题，我看到了错误，要强制返回结果以便正确分配，您需要访问标量值并使用这些值进行分配，以便它们按需要对齐：

In [22]:
df.loc[df['A'] == 1, ['A', 'B']] = df['C'].values[0] + 10,df['C'].values[0] + 11
df

Out[22]:
    A   B  C
0  11  12  1
1   2   2  2
2   3   3  3

【讨论】：

【解决方案2】：

我不确定这是否是实现这一目标的最佳方式，但它确实有效：

In [284]: df.loc[df['A'] == 1, ['A', 'B']] = pd.DataFrame({'A':df.C + 10, 'B':df.C + 11}, index=df.index)

In [285]: df
Out[285]:
    A   B  C
0  11  12  1
1   2   2  2
2   3   3  3

【讨论】：