用“符号”数字填充 DataFrame答案

【问题标题】：Filling a DataFrame with "sign" numbers用“符号”数字填充 DataFrame
【发布时间】：2016-09-19 12:52:26
【问题描述】：

我有一个充满浮点数（正负）和一些 NaN 的 DataFrame。我想用它的符号替换每个浮点数：

if it's NaN -> it remains Nan
if positive -> replace with 1
if negative -> replace with -1
if zero -> leave it as 0

对进行这种大规模替换有什么建议吗？

提前谢谢你

【问题讨论】：

标签： python pandas

【解决方案1】：

代码-

import pandas as pd


df = pd.DataFrame({'x' : [-5.3, 2.5, 0, float('nan')]})

df['x'] = df['x'].apply(func = lambda x : x if not x else x // abs(x))

print(df)

输出 -

【讨论】：

为什么要创建 lambda 函数？ .apply(modify) 可以正常工作

【解决方案2】：

你可以使用np.sign:

df
Out[100]: 
     A
0 -4.0
1  2.0
2  NaN
3  0.0

import numpy as np
np.sign(df["A"])

Out[101]: 
0   -1.0
1    1.0
2    NaN
3    0.0
Name: A, dtype: float64

为了适用于所有列，可以直接传递dataframe：

df
Out[121]: 
          0         1         2         3
0 -2.932447 -1.686652       NaN -0.908441
1  1.254436  0.000000  0.072242  0.796944
2  2.626737  0.169639 -1.457195  1.169238
3  0.000000 -1.174251  0.660111  1.115518
4 -1.998091 -0.125095  0.000000 -0.506782

np.sign(df)
Out[122]: 
     0    1    2    3
0 -1.0 -1.0  NaN -1.0
1  1.0  0.0  1.0  1.0
2  1.0  1.0 -1.0  1.0
3  0.0 -1.0  1.0  1.0
4 -1.0 -1.0  0.0 -1.0

【讨论】：

有没有办法解决这个给出的 Pandas 警告？ A value is trying to be set on a copy of a slice from a DataFrame. Try using .loc[row_indexer,col_indexer] = value instead 这个弹出来很烦人，我需要编写额外的代码来临时隐藏警告。否则，我必须编写额外的代码，如 df['sign_A'] = -1; df.loc[np.sign(df['A'])==1, 'sign_A'] = 1; df.loc[np.sign(df['A'])==0, 'sign_A'] = 0 我只是不喜欢这需要额外的代码来消除警告......任何解决方案将不胜感激

【解决方案3】：

你可以使用boolean indexing:

import pandas as pd
import numpy as np

df = pd.DataFrame({'A':[-1,3,0,5],
                   'B':[4,5,6,5],
                   'C':[8,-9,np.nan,7]})

print (df)
   A  B    C
0 -1  4  8.0
1  3  5 -9.0
2  0  6  NaN
3  5  5  7.0

print (df > 0)
       A     B      C
0  False  True   True
1   True  True  False
2  False  True  False
3   True  True   True

print (df < 0)
       A      B      C
0   True  False  False
1  False  False   True
2  False  False  False
3  False  False  False

df[df > 0] = 1
df[df < 0] = -1

print (df)
   A  B    C
0 -1  1  1.0
1  1  1 -1.0
2  0  1  NaN
3  1  1  1.0

【讨论】：

当有另一列具有不同的数据类型（例如float）时，此方法如何工作？
我认为 OP 说有浮点数和 NaN。所以我认为只有数值。
你是对的，但是这种方法有什么方法可以在一般情况下工作吗？
更通用的解决方案：df1 = df.fillna(1).apply(pd.to_numeric, errors='coerce') df1[df1 > 0] = 1 df1[df1 < 0] = -1 print (df1.fillna(df))
@VedangMehta 您可以对列范围进行切片或仅将操作应用于单个列。