從滿足同時DataFramepandas條件的列中洗掉值-有解無憂

成為熊貓中的以下DataFrame。

國家	嘗試	城市	城市	其他	重要的	其他重要	其他_1
法國	法國	巴黎	巴黎	藍色的	019210	0011119	紅色的
西班牙	西班牙	馬德里	巴塞羅那	藍色的	1211	0019210	藍色的
德國	西班牙	巴塞羅那	巴塞羅那	白色的	019210	1212	紅色的
法國	英國	布爾多	倫敦	藍色的	019210	91021	紅色的

我必須用 NaN 填寫不重要的列（其他）的資訊，以防萬一country != ctry || city != cty。資料框結果：

國家	嘗試	城市	城市	其他	重要的	其他重要	其他_1
法國	法國	巴黎	巴黎	藍色的	019210	0011119	紅色的
西班牙	西班牙	馬德里	巴塞羅那	鈉	1211	0019210	鈉
德國	西班牙	巴塞羅那	巴塞羅那	鈉	019210	1212	鈉
法國	英國	布爾多	倫敦	鈉	019210	91021	鈉

最后我洗掉了國家和城市列。

    df = df.drop(['country', 'city'], axis=1)

嘗試	城市	其他	重要的	其他重要	其他_1
法國	巴黎	藍色的	019210	0011119	紅色的
西班牙	巴塞羅那	鈉	1211	0019210	鈉
西班牙	巴塞羅那	鈉	019210	1212	鈉
英國	倫敦	鈉	019210	91021	鈉

如果我想保留為 NaN 的列可以用每個列的名稱在字串向量中表示，我將不勝感激。['other', 'other_1']

uj5u.com熱心網友回復：

按DataFrame.loc條件設定缺失值：

cols = ['other','other_1']
df.loc[df.country.ne(df.ctry) | df.city.ne(df.cty), cols] = np.nan
df = df.drop(['country', 'city'], axis=1)

洗掉列的解決方案country, city使用DataFrame.pop：

cols = ['other','other_1']
df.loc[df.pop('country').ne(df.ctry) | df.pop('city').ne(df.cty), cols] = np.nan
print (df)
     ctry        cty other  important  other_important other_1
0  France      París  blue      19210            11119     red
1   Spain  Barcelona   NaN       1211            19210     NaN
2   Spain  Barcelona   NaN      19210             1212     NaN
3      UK     London   NaN      19210            91021     NaN

uj5u.com熱心網友回復：

# list of columns
cols=['other', 'other_1']

# use mask to make NaN when condition is met
df[cols] = df[cols].mask(df['country'].ne(df['ctry']) | df['city'].ne(df['cty']))

# drop columns
df = df.drop(['country', 'city'], axis=1)
df

    ctry    cty         other   important   other_important     other_1
0   France  París       blue    19210       11119               red
1   Spain   Barcelona   NaN     1211        19210               NaN
2   Spain   Barcelona   NaN     19210        1212               NaN
3   UK      London      NaN     19210       91021               fNaN

轉載請註明出處，本文鏈接：https://www.uj5u.com/caozuo/527451.html

標籤：Python熊猫数据框

上一篇：計算dict物件不同資料集之間的相關性

下一篇：根據另一列的值填充DataFrame