如何使用另一个 numpy 数组修改 pandas 数据框中的所有值
How to modify all values in a pandas dataframe with another numpy array
我有下面的代码示例
import pandas as pd
df = pd.DataFrame({'a':[1, 2, 3],
'b':[10, 20, 30],
'c':[100, 200, 300],
'd':['q', 'w', 'r']})
获取数据帧的值
In [12]: df[['a', 'b', 'c']].values
Out[12]:
array([[ 1, 10, 100],
[ 2, 20, 200],
[ 3, 30, 300]])
然后我将值归一化
from sklearn.preprocessing import normalize
norm = normalize(df[['a', 'b', 'c']].values, axis=0)
In [11]: norm
Out[11]:
array([[0.26726124, 0.26726124, 0.26726124],
[0.53452248, 0.53452248, 0.53452248],
[0.80178373, 0.80178373, 0.80178373]])
现在我想做类似
的事情
df[['a', 'b', 'c']].values = norm
但是我得到了错误(我知道)
AttributeError: can't set attribute
我如何修改这些值而不影响数据框的其他部分(即列 'e' 和索引);只是价值观。
谢谢。
您不需要调用值
df[['a', 'b', 'c']]=norm
df
Out[342]:
a b c d
0 0.267261 0.267261 0.267261 q
1 0.534522 0.534522 0.534522 w
2 0.801784 0.801784 0.801784 r
我有下面的代码示例
import pandas as pd
df = pd.DataFrame({'a':[1, 2, 3],
'b':[10, 20, 30],
'c':[100, 200, 300],
'd':['q', 'w', 'r']})
获取数据帧的值
In [12]: df[['a', 'b', 'c']].values
Out[12]:
array([[ 1, 10, 100],
[ 2, 20, 200],
[ 3, 30, 300]])
然后我将值归一化
from sklearn.preprocessing import normalize
norm = normalize(df[['a', 'b', 'c']].values, axis=0)
In [11]: norm
Out[11]:
array([[0.26726124, 0.26726124, 0.26726124],
[0.53452248, 0.53452248, 0.53452248],
[0.80178373, 0.80178373, 0.80178373]])
现在我想做类似
的事情df[['a', 'b', 'c']].values = norm
但是我得到了错误(我知道)
AttributeError: can't set attribute
我如何修改这些值而不影响数据框的其他部分(即列 'e' 和索引);只是价值观。
谢谢。
您不需要调用值
df[['a', 'b', 'c']]=norm
df
Out[342]:
a b c d
0 0.267261 0.267261 0.267261 q
1 0.534522 0.534522 0.534522 w
2 0.801784 0.801784 0.801784 r