Pandas :根据多索引数据帧子集的条件设置值的正确方法
Pandas : Proper way to set values based on condition for subset of multiindex dataframe
如果没有链式赋值,我不确定如何做到这一点(这可能无论如何都行不通,因为我要设置一个副本)。
我不想获取多索引 pandas 数据帧的子集,测试小于零的值并将它们设置为零。
例如:
df = pd.DataFrame({('A','a'): [-1,-1,0,10,12],
('A','b'): [0,1,2,3,-1],
('B','a'): [-20,-10,0,10,20],
('B','b'): [-200,-100,0,100,200]})
df[df['A']<0] = 0.0
给予
In [37]:
df
Out[37]:
A B
a b a b
0 -1 0 -20 -200
1 -1 1 -10 -100
2 0 2 0 0
3 10 3 10 100
4 12 -1 20 200
表示无法根据条件进行设置。或者,如果我做了链式作业:
df.loc[:,'A'][df['A']<0] = 0.0
这给出了相同的结果(以及带有复制警告的设置)
我可以根据第一层是我想要的条件循环遍历每一列:
for one,two in df.columns.values:
if one == 'A':
df.loc[df[(one,two)]<0, (one,two)] = 0.0
给出了想要的结果:
In [64]:
df
Out[64]:
A B
a b a b
0 0 0 -20 -200
1 0 1 -10 -100
2 0 2 0 0
3 10 3 10 100
4 12 0 20 200
但不知何故,我觉得有比循环遍历列更好的方法。在 pandas 中执行此操作的最佳方法是什么?
这是一个应用程序(也是使用 MultiIndex 切片器的主要动机之一),请参阅文档 here
In [20]: df = pd.DataFrame({('A','a'): [-1,-1,0,10,12],
('A','b'): [0,1,2,3,-1],
('B','a'): [-20,-10,0,10,20],
('B','b'): [-200,-100,0,100,200]})
In [21]: df
Out[21]:
A B
a b a b
0 -1 0 -20 -200
1 -1 1 -10 -100
2 0 2 0 0
3 10 3 10 100
4 12 -1 20 200
In [22]: idx = pd.IndexSlice
In [23]: mask = df.loc[:,idx['A',:]]<0
In [24]: mask
Out[24]:
A
a b
0 True False
1 True False
2 False False
3 False False
4 False True
In [25]: df[mask] = 0
In [26]: df
Out[26]:
A B
a b a b
0 0 0 -20 -200
1 0 1 -10 -100
2 0 2 0 0
3 10 3 10 100
4 12 0 20 200
由于您使用的是第 1 级列索引,因此以下内容也适用。上面的例子更笼统,假设你想为 'a'.
做这个
In [30]: df[df[['A']]<0] = 0
In [31]: df
Out[31]:
A B
a b a b
0 0 0 -20 -200
1 0 1 -10 -100
2 0 2 0 0
3 10 3 10 100
4 12 0 20 200
如果没有链式赋值,我不确定如何做到这一点(这可能无论如何都行不通,因为我要设置一个副本)。
我不想获取多索引 pandas 数据帧的子集,测试小于零的值并将它们设置为零。
例如:
df = pd.DataFrame({('A','a'): [-1,-1,0,10,12],
('A','b'): [0,1,2,3,-1],
('B','a'): [-20,-10,0,10,20],
('B','b'): [-200,-100,0,100,200]})
df[df['A']<0] = 0.0
给予
In [37]:
df
Out[37]:
A B
a b a b
0 -1 0 -20 -200
1 -1 1 -10 -100
2 0 2 0 0
3 10 3 10 100
4 12 -1 20 200
表示无法根据条件进行设置。或者,如果我做了链式作业:
df.loc[:,'A'][df['A']<0] = 0.0
这给出了相同的结果(以及带有复制警告的设置)
我可以根据第一层是我想要的条件循环遍历每一列:
for one,two in df.columns.values:
if one == 'A':
df.loc[df[(one,two)]<0, (one,two)] = 0.0
给出了想要的结果:
In [64]:
df
Out[64]:
A B
a b a b
0 0 0 -20 -200
1 0 1 -10 -100
2 0 2 0 0
3 10 3 10 100
4 12 0 20 200
但不知何故,我觉得有比循环遍历列更好的方法。在 pandas 中执行此操作的最佳方法是什么?
这是一个应用程序(也是使用 MultiIndex 切片器的主要动机之一),请参阅文档 here
In [20]: df = pd.DataFrame({('A','a'): [-1,-1,0,10,12],
('A','b'): [0,1,2,3,-1],
('B','a'): [-20,-10,0,10,20],
('B','b'): [-200,-100,0,100,200]})
In [21]: df
Out[21]:
A B
a b a b
0 -1 0 -20 -200
1 -1 1 -10 -100
2 0 2 0 0
3 10 3 10 100
4 12 -1 20 200
In [22]: idx = pd.IndexSlice
In [23]: mask = df.loc[:,idx['A',:]]<0
In [24]: mask
Out[24]:
A
a b
0 True False
1 True False
2 False False
3 False False
4 False True
In [25]: df[mask] = 0
In [26]: df
Out[26]:
A B
a b a b
0 0 0 -20 -200
1 0 1 -10 -100
2 0 2 0 0
3 10 3 10 100
4 12 0 20 200
由于您使用的是第 1 级列索引,因此以下内容也适用。上面的例子更笼统,假设你想为 'a'.
做这个In [30]: df[df[['A']]<0] = 0
In [31]: df
Out[31]:
A B
a b a b
0 0 0 -20 -200
1 0 1 -10 -100
2 0 2 0 0
3 10 3 10 100
4 12 0 20 200