根据 pandas 中的条件更改数据框的第一行

Question

我有 2 列的值，我只想更新第三列的 1 行。

我有-

df = pd.DataFrame({'A':[1,1,2,3,4,4],
                   'B':[2,2,4,3,2,1],
                   'C':[0] * 6})
print (df)
   A  B  C
0  1  2  0
1  1  2  0
2  2  4  0
3  3  3  0
4  4  2  0
5  4  1  0

如果 A=1 和 B=2，那么只有第一行有 C=1，就像这样 -

目前我已经使用

df.loc[(df['A']==1) & (df['B']==2)].iloc[[0]].loc['C'] = 1

但它不会更改数据帧。

Answer 1

如果总是匹配至少一行的解决方案：

创建布尔掩码并设置第一个 True 索引值 idxmax:

mask = (df['A']==1) & (df['B']==2)

df.loc[mask.idxmax(), 'C'] = 1

但是如果没有值匹配 idxmax return 第一个 False 值，那么添加 if-else:

mask = (df['A']==1) & (df['B']==2)

idx = mask.idxmax() if mask.any() else np.repeat(False, len(df))
df.loc[idx, 'C'] = 1
print (df)
   A  B  C
0  1  2  1
1  1  2  0
2  2  4  0
3  3  3  0
4  4  2  0
5  4  1  0

mask = (df['A']==10) & (df['B']==20)

idx = mask.idxmax() if mask.any() else np.repeat(False, len(df))
df.loc[idx, 'C'] = 1
print (df)
   A  B  C
0  1  2  0
1  1  2  0
2  2  4  0
3  3  3  0
4  4  2  0
5  4  1  0

Answer 2

使用pd.Series.cumsum确保只满足第一个匹配条件：

mask = df['A'].eq(1) & df['B'].eq(2)
df.loc[mask & mask.cumsum().eq(1), 'C'] = 1

print(df)

   A  B  C
0  1  2  1
1  1  2  0
2  2  4  0
3  3  3  0
4  4  2  0
5  4  1  0

如果性能是一个问题，请参阅。

根据 pandas 中的条件更改数据框的第一行

Change 1st row of a dataframe based on a condition in pandas

python

dataframe

pandas

pandas-loc