根据 Python 中的索引位置转换值答案

【问题标题】：Convert value based on index location in Python根据 Python 中的索引位置转换值
【发布时间】：2018-06-11 08:44:32
【问题描述】：

我需要 df1 中第一列第一行索引 (iloc[0]) 的值，并将 df2 中的匹配值转换为 0。

我正在尝试这样的事情，但我知道语法不正确

df2[df1['ID'].iloc[0]] = 0

df1:

ID   Name X
6539 CM   20
9999 FM   30

df2:

Out 1  Out 2  Out 3  Out 4  Out 5
7000   8000   6539   6539   6539

所以输出是

Out 1  Out 2  Out 3  Out 4  Out 5
7000   8000   0      0      0

【问题讨论】：

df2.replace(df.iloc[0,0], 0)?
df1[str(df1.index[0])] = 0

标签： python pandas indexing

【解决方案1】：

我认为你需要：

df2.replace(df.iloc[0,0], 0)

完整示例：

将熊猫导入为 pd

df1 = pd.DataFrame({
    'a': [1,2],
    'b': [3,4]
})

df2 = pd.DataFrame({
    'a': [1,1],
    'b': [1,1]
})

df2.replace(df.iloc[0,0],0)

   a  b
0  0  0
1  0  0

时间安排：

df1 = pd.concat([df1]*10000)
df2 = pd.concat([df2]*10000)

%timeit df2.replace(df.iloc[0,0],0, inplace=True)
%timeit df2[df2 == df1.iloc[0, 0]] = 0

341 µs ± 9.36 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
1.24 ms ± 39 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

【讨论】：

@jezrael 你确定吗？
出去吃午饭。呵呵
嘿嘿好的。我没有看过引擎盖，但我认为它可能很快。

【解决方案2】：

我认为需要通过布尔掩码更改值：

df = df2.mask(df2 == df1.iloc[0,0], 0)

或者：

df2[df2 == df1.iloc[0, 0]] = 0

或者：

df = pd.DataFrame(np.where(df2 == df1.iloc[0,0], 0, df2),index=df2.index,columns=df2.columns)

print (df)
   Out 1  Out 2  Out 3  Out 4  Out 5
0   7000   8000      0      0      0

详情：

print (df2 == df1.iloc[0,0])
   Out 1  Out 2  Out 3  Out 4  Out 5
0  False  False   True   True   True

时间安排：

np.random.seed(100)

df1 = pd.DataFrame({
    'a': [1,2],
    'b': [3,4]
})


df2 = pd.DataFrame(np.random.randint(10, size=(1000,1000)))


In [106]: %timeit df2.replace(df1.iloc[0,0],0, inplace=True)
2.99 ms ± 324 µs per loop (mean ± std. dev. of 7 runs, 1 loop each)

In [107]: %timeit df2.mask(df2 == df1.iloc[0,0], 0)
22.8 ms ± 1.71 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)

In [108]: %timeit df2[df2 == df1.iloc[0, 0]] = 0
19.6 ms ± 497 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)

In [109]: %timeit df = pd.DataFrame(np.where(df2 == df1.iloc[0,0], 0, df2),index=df2.index,columns=df2.columns)
5.81 ms ± 91.7 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

如果有几列多行：

np.random.seed(100)

df1 = pd.DataFrame({
    'a': [1,2],
    'b': [3,4]
})

df2 = pd.DataFrame(np.random.randint(5, size=(1000,10)))

In [116]: %timeit df2.replace(df1.iloc[0,0],0, inplace=True)
856 µs ± 12.4 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

In [117]: %timeit df2.mask(df2 == df1.iloc[0,0], 0)
1.23 ms ± 25.2 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

In [118]: %timeit df2[df2 == df1.iloc[0, 0]] = 0
1.21 ms ± 4.26 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

In [119]: %timeit df = pd.DataFrame(np.where(df2 == df1.iloc[0,0], 0, df2),index=df2.index,columns=df2.columns)
445 µs ± 13.3 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

【讨论】：