在熊猫数据框中就地替换值不适用于 .replace()

Question

我有一个包含各种网格站及其与其他网格站连接的数据集，我需要从这些数据中绘制出传输线。它看起来像这样（原始数据框中大约有 100 行左右）：

>df

    Name    Latitude    Longitude   Link 1  Link 2  Link 3  Link 4  Link 5  
0   A       34.466667   72.200000   B       NaN     NaN     NaN     NaN 
1   B       33.766667   72.366667   A       C       D       NaN     NaN
2   C       33.761500   72.434000   B       E       G       NaN     NaN

为了让事情变得更简单，我创建了一个新的数据框，其名称如下：

>datax

        Latitude    Longitude   Link 1  Link 2  Link 3  Link 4  Link 5
Name                                                    
A       34.466667   72.200000   B       NaN     NaN     NaN     NaN 
B       33.766667   72.366667   A       C       D       NaN     NaN
C       33.761500   72.434000   B       E       G       NaN     NaN

我正在使用每个电网站的“链接”来绘制线路，这些线路向我显示了它所连接的其他电网站。由于每个网格站都显示其与其他网格站的连接，为了正确映射线，我需要消除重复项，例如，如果我通过迭代数据框的第一列来绘制 A 和 B 之间的第一条线，我需要消除此链接（即删除第二行 Link 1 列中的“A”）在第二行中，因此当我遍历第二行时该行不会重复。为此，我尝试使用替换，

datax.loc[datax.iloc[0]['Link 1']].replace(datax.index[0],np.nan)

这个 sn-p 确实替换了链接并放入了 nan 但没有在原始数据帧中执行它，所以我尝试了内置参数 inplace，

datax.loc[datax.iloc[0]['Link 1']].replace(datax.index[0],np.nan, inplace=True)

但这似乎也不行。我有点像新手编码员，所以很抱歉，但有谁知道我做错了什么，以及如何纠正这个错误，以及是否有另一种更简单的方法来解决这个问题。

编辑：

当我运行上面的代码 sn-p 时，我希望数据框第二列中的“链接 1”变为 NaN。

>datax

        Latitude    Longitude   Link 1  Link 2  Link 3  Link 4  Link 5
Name                                                    
A       34.466667   72.200000   B       NaN     NaN     NaN     NaN 
B       33.766667   72.366667   Nan     C       D       NaN     NaN
C       33.761500   72.434000   NaN     E       G       NaN     NaN

问题是代码确实这样做了，但没有将其保存到数据帧中。由于我必须为原始数据帧执行数百次此过程，因此我需要将值保存到数据帧中，而不是每次都创建新值，这将是低效的地狱。

Answer 1

这是一种解决方案。

第 1 步 - 第一步是沿列轴对“名称”和“链接 1”的值进行排序。

datax[['Name', 'Link 1']].apply(sorted, axis=1)

这会给你一个这样的列表

0    [A, B]
1    [A, B]
2    [B, C]

第 2 步 - 然后您需要使用 .apply(lambda x: ','.join(map(str, x))) 将这些转换为字符串（因为使用 df.duplicated() 时不接受列表）

第 3 步 - 接下来，使用 df.duplicated() 查找重复项并将其存储在新列“temp”中。

datax['temp'] = datax[['Name', 'Link 1']].apply(sorted, axis=1).apply(lambda x: ','.join(map(str, x))).duplicated(keep='first')

在这个阶段你的 df datax 将是

  Name   Latitude  Longitude Link 1 Link 2 Link 3  Link 4  Link 5   temp
0    A  34.466667  72.200000      B    NaN    NaN     NaN     NaN  False
1    B  33.766667  72.366667    NaN      C      D     NaN     NaN   True
2    C  33.761500  72.434000      B      E      G     NaN     NaN  False

第 4 步 - 现在，您可以使用 np.where() 并检查 datax['temp'] 是否为 True 并相应地分配 datax['Link 1']

datax['Link 1'] = np.where(datax['temp']==True, np.NaN, datax['Link 1'])

第 5 步 - 您可以在此之后使用 datax.drop('temp', axis=1) 删除列 temp

输出：

  Name   Latitude  Longitude Link 1 Link 2 Link 3  Link 4  Link 5
0    A  34.466667  72.200000      B    NaN    NaN     NaN     NaN
1    B  33.766667  72.366667    NaN      C      D     NaN     NaN
2    C  33.761500  72.434000      B      E      G     NaN     NaN

结合所有这些步骤 -

datax['temp'] = datax[['Name', 'Link 1']].apply(sorted, axis=1).apply(lambda x: ','.join(map(str, x))).duplicated(keep='first')
datax['Link 1'] = np.where(datax['temp']==True, np.NaN, datax['Link 1'])
datax.drop('temp', axis=1)

最终解决方案- 我们可以将此解决方案扩展为将“链接 1”、“链接 2”、“链接 3”等与“名称”进行比较，并分别设置“链接 1”、“链接 2”、“链接 3”列。

for column in datax[['Link 1','Link 2','Link 3','Link 4','Link 5']]:
    datax['temp'] = datax[['Name', column]]\
        .fillna('').apply(sorted, axis=1)\
        .apply(lambda x: ','.join(map(str, x)))\
        .duplicated(keep='first')
    datax[column] = np.where(datax['temp']==True, np.NaN, datax[column])
    datax.drop('temp', axis=1, inplace=True)

print(datax)

输出：

  Name   Latitude  Longitude Link 1 Link 2 Link 3  Link 4  Link 5
0    A  34.466667  72.200000      B    NaN    NaN     NaN     NaN
1    B  33.766667  72.366667    NaN      C      D     NaN     NaN
2    C  33.761500  72.434000      B      E      G     NaN     NaN

如果这有帮助，请告诉我！