迭代数据帧并用另一个数据帧中的值替换答案

【问题标题】：Iterating over dataframe and replace with values from another dataframe迭代数据帧并用另一个数据帧中的值替换
【发布时间】：2019-12-03 14:02:12
【问题描述】：

我有 2 个数据框，df1 和 df2，df2 保存对应列的最小值和最大值。

    import numpy as np
    import pandas as pd

    df1 = pd.DataFrame(np.random.randint(0,50,size=(10, 5)), columns=list('ABCDE'))
    df2 = pd.DataFrame(np.array([[5,3,4,7,2],[30,20,30,40,50]]),columns=list('ABCDE'))

当 df1 单元格值低于/高于相应列的最小/最大值时，我想遍历 df1 并将单元格值替换为 df2 的值。

【问题讨论】：

标签： python pandas dataframe replace

【解决方案1】：

首先不要loop/iterate in pandas，如果存在其他更好的矢量化解决方案，比如这里。

将numpy.select 与按条件广播设置值一起使用：

np.random.seed(123)
df1 = pd.DataFrame(np.random.randint(0,50,size=(10, 5)), columns=list('ABCDE'))
df2 = pd.DataFrame(np.array([[5,3,4,7,2],[30,20,30,40,50]]),columns=list('ABCDE'))

print (df1)
    A   B   C   D   E
0  45   2  28  34  38
1  17  19  42  22  33
2  32  49  47   9  32
3  46  32  47  25  19
4  14  36  32  16   4
5  49   3   2  20  39
6   2  20  47  48   7
7  41  35  28  38  33
8  21  30  27  34  33

print (df2)
    A   B   C   D   E
0   5   3   4   7   2
1  30  20  30  40  50

#for pandas below 0.24 change .to_numpy() to .values
min1 = df2.loc[0].to_numpy()
max1 = df2.loc[1].to_numpy()
arr = df1.to_numpy()

df = pd.DataFrame(np.select([arr < min1, arr > max1], [min1, max1], arr), 
                  index=df1.index, 
                  columns=df1.columns)
print (df)
    A   B   C   D   E
0  30   3  28  34  38
1  17  19  30  22  33
2  30  20  30   9  32
3  30  20  30  25  19
4  14  20  30  16   4
5  30   3   4  20  39
6   5  20  30  40   7
7  30  20  28  38  33
8  21  20  27  34  33
9  12  20   4  40   5

numpy.clip 的另一个更好的解决方案：

df = pd.DataFrame(np.clip(arr, min1, max1), index=df1.index,  columns=df1.columns)
print (df)
    A   B   C   D   E
0  30   3  28  34  38
1  17  19  30  22  33
2  30  20  30   9  32
3  30  20  30  25  19
4  14  20  30  16   4
5  30   3   4  20  39
6   5  20  30  40   7
7  30  20  28  38  33
8  21  20  27  34  33
9  12  20   4  40   5

【讨论】：