根据多个条件替换观察值（即多行中的多列）答案

【问题标题】：Replace values in observations (i.e., multiple columns within multiple rows) based on multiple conditionals根据多个条件替换观察值（即多行中的多列）
【发布时间】：2019-08-28 19:32:19
【问题描述】：

我正在尝试根据两个条件（例如，特定日期之后的特定 ID）替换多个观察中 3 列的值。

我见过类似的问题。

但是，它们并没有完全解决我的问题，或者我无法完全操纵它们来解决我的问题。

这段代码会生成一个类似于我的数据框：

df = pd.DataFrame({'SUR_ID': {0:'SUR1', 1:'SUR1', 2:'SUR1', 3:'SUR1', 4:'SUR2', 5:'SUR2'}, 'DATE': {0:'05-01-2019', 1:'05-11-2019', 2:'06-15-2019', 3:'06-20-2019', 4: '05-15-2019', 5:'06-20-2019'}, 'ACTIVE_DATE': {0:'05-01-2019', 1:'05-01-2019', 2:'05-01-2019', 3:'05-01-2019', 4: '05-01-2019', 5:'05-01-2019'}, 'UTM_X': {0:'444895', 1:'444895', 2:'444895', 3:'444895', 4: '445050', 5:'445050'}, 'UTM_Y': {0:'4077528', 1:'4077528', 2:'4077528', 3:'4077528', 4: '4077762', 5:'4077762'}})

输出数据框：

我要做什么：

我正在尝试将 UTM_X、UTM_Y 和 ACTIVE_DATE 替换为

[444917, 4077830, '06-04-2019']

当

SUR_ID 是“SUR1”并且DATE >=“2019-06-04 12:00:00”

这是问题 1 解决方案的一个适应性差的版本，试图解决我的问题 - 抛出错误：

df.loc[[df['SUR_ID'] == 'SUR1' and df['DATE'] >='2019-06-04 12:00:00'], ['UTM_X', 'UTM_Y', 'Active_Date']] = [444917, 4077830, '06-04-2019']

【问题讨论】：

标签： python-3.x pandas

【解决方案1】：

首先确保Date列的类型是datetime，然后在使用2个条件时，它们需要单独在括号之间。所以你可以这样做：

df.DATE = pd.to_datetime(df.DATE)
df.loc[ (df['SUR_ID'] == 'SUR1') & (df['DATE'] >= pd.to_datetime('2019-06-04 12:00:00')), 
        ['UTM_X', 'UTM_Y', 'ACTIVE_DATE']] = [444917, 4077830, '06-04-2019']

查看您为布尔掩码编写的内容之间的区别：

[df['SUR_ID'] == 'SUR1' and df['DATE'] >='2019-06-04 12:00:00']

括号里是什么

(df['SUR_ID'] == 'SUR1') & (df['DATE'] >= pd.to_datetime('2019-06-04 12:00:00'))

【讨论】：

感谢您的澄清。很高兴知道我离基地不太远。
我在数据框中将日期设置为日期时间，但我没有在条件中将其设置为日期时间。
@DevonOliver 确实不算太远 :) 如果您的 DATE 列已经是日期时间，那么在条件中将字符串转换为日期时间可能没有必要，但更严格

【解决方案2】：

用途：

df['UTM_X']=df['UTM_X'].mask(df['SUR_ID'].eq('SUR1') & (pd.to_datetime(df['DATE'])>= pd.to_datetime("2019-06-04 12:00:00")),444917)
df['UTM_Y']=df['UTM_Y'].mask(df['SUR_ID'].eq('SUR1') & (pd.to_datetime(df['DATE'])>= pd.to_datetime("2019-06-04 12:00:00")),4077830)
df['ACTIVE_DATE']=df['ACTIVE_DATE'].mask(df['SUR_ID'].eq('SUR1') & (pd.to_datetime(df['DATE'])>= pd.to_datetime("2019-06-04 12:00:00")),'06-04-2019')

输出：

    SUR_ID  DATE        ACTIVE_DATE UTM_X   UTM_Y
0   SUR1    05-01-2019  05-01-2019  444895  4077528
1   SUR1    05-11-2019  05-01-2019  444895  4077528
2   SUR1    06-15-2019  06-04-2019  444917  4077830
3   SUR1    06-20-2019  06-04-2019  444917  4077830
4   SUR2    05-15-2019  05-01-2019  445050  4077762
5   SUR2    06-20-2019  05-01-2019  445050  4077762

【讨论】：