如果满足条件，则替换行中的单元格答案

【问题标题】：Replace cells in row if condition met如果满足条件，则替换行中的单元格
【发布时间】：2016-06-29 13:26:22
【问题描述】：

有没有办法为 Less, Middle Greater 列。如果大于0就将ROW换成1。那么顶行就变成了？

                  Conc      Less    Middle   Greater
Date                                                
2005-03-02 00:00  10.3  0.000000  1         1

这是原版

                  Conc      Less    Middle   Greater
Date                                                
2005-03-02 00:00  10.3  0.000000  0.083333  0.916667

2005-03-02 01:00  14.1  0.000000  0.750000  0.250000

2005-03-02 02:00   7.0  0.000000  0.833333  0.166667

2005-03-02 03:00   7.0  0.000000  1.000000  0.000000

2005-03-02 04:00   7.2  0.000000  1.000000  0.000000

2005-03-02 06:00   6.6  0.333333  0.666667  0.000000

2005-03-02 07:00   6.6  0.416667  0.583333  0.000000

我试过了：

df.loc[df['Less']>0:]=1
df.loc[df['Less']==0:]=0

但它显示为红色并显示 False True（在正确的位置）并且：数据类型：布尔，无，无）

我也试过：像这样循环：

for line in df['Less']:
    if df['Less'] >0:
        df['Less']=1

ValueError：Series 的真值不明确。使用 a.empty、a.bool()、a.item()、a.any() 或 a.all()。

【问题讨论】：

标签： python pandas dataframe

【解决方案1】：

您可以将loc 与布尔条件一起使用：

In [250]:
df.loc[df['Less'] > 0, 'Less'] = 1
df

Out[250]:
                     Conc  Less    Middle   Greater
Date                                               
2005-03-02 00:00:00  10.3   0.0  0.083333  0.916667
2005-03-02 01:00:00  14.1   0.0  0.750000  0.250000
2005-03-02 02:00:00   7.0   0.0  0.833333  0.166667
2005-03-02 03:00:00   7.0   0.0  1.000000  0.000000
2005-03-02 04:00:00   7.2   0.0  1.000000  0.000000
2005-03-02 06:00:00   6.6   1.0  0.666667  0.000000
2005-03-02 07:00:00   6.6   1.0  0.583333  0.000000

此df.loc[df['Less']>0:] 语法无效，您想使用逗号并传递感兴趣的列名列表

您的for 循环版本：

for line in df['Less']:
    if df['Less'] >0:
        df['Less']=1

无效，因为if 不理解如何解释布尔值数组，因此会出现错误，如果您执行了if (df['Less'] >0).all() 或if (df['Less'] >0).any()，那么它会很高兴，但无论如何它都没有意义'正在逐行迭代，然后测试整个 df，这是浪费的。

【讨论】：

干杯，这似乎奏效了啊，好吧，我用 .any() 试过了，但假设整个 df 都是真的，即使只有一个是真的。

【解决方案2】：

一次性完成：

columns = ['Less', 'Middle', 'Greater']
df[columns] = np.where(df[columns] >0, 1 ,0)

或者单独做（注意选择列的双括号）：

df[['Less']] = np.where(df[['Less']] >0, 1 ,0)
df[['Middle']] = np.where(df[['Middle']] >0, 1 ,0)
df[['Greater']] = np.where(df[['Greater']] >0, 1 ,0)

【讨论】：

np 是 numpy 导入 btw