我有一個這樣的資料框：
| col1 | col2 | col3 | col4 |
|---|---|---|---|
| 5 | 7 | 12 | 9 |
| 0 | 9 | 9 | 1 |
| 9 | 9 | 1 | 1 |
| 10 | 5 | 2 | 9 |
| 9 | 3 | 0 | 18 |
每行至少有一個 9，對于每一行，我想用 90 替換它的第一個實體。
目前，我正在做：
out = df.mask(df.eq(9) & df.apply(lambda x: ~x.duplicated(), axis=1), 90)
有沒有比這更好/更快的方法？
預期輸出：
col1 col2 col3 col4
0 5 7 12 90
1 0 90 9 1
2 90 9 1 1
3 10 5 2 90
4 90 3 0 18
建構式：
data = {'col1': [5, 0, 9, 10, 9],
'col2': [7, 9, 9, 5, 3],
'col3': [12, 9, 1, 2, 0],
'col4': [9, 1, 1, 9, 18]}
df = pd.DataFrame(data)
uj5u.com熱心網友回復：
一種使用方式idxmax：
s = df.eq(9).idxmax(axis=1)
s = s.apply(df.columns.get_loc)
df.values[s.index, s.values] = 90
輸出：
col1 col2 col3 col4
0 5 7 12 90
1 0 90 9 1
2 90 9 1 1
3 10 5 2 90
4 90 3 0 18
這比原始代碼快約 2.5 倍：
%timeit df.mask(df.eq(9) & df.apply(lambda x: ~x.duplicated(), axis=1), 90)
# 2.59 ms ± 80.4 μs per loop (mean ± std. dev. of 7 runs, 100 loops each)
%%timeit
s = df.eq(9).idxmax(axis=1)
s = s.apply(df.columns.get_loc)
df.copy().values[s.index, s.values] = 90 # Note the copy is to keep the df same over the `timeit`
# 1.07 ms ± 31.4 μs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
uj5u.com熱心網友回復：
您可以與numpyassign檢查
df.values[df.index, np.argmax(df.values==9,1)] = 90
df
Out[56]:
col1 col2 col3 col4
0 5 7 12 90
1 0 90 9 1
2 90 9 1 1
3 10 5 2 90
4 90 3 0 18
uj5u.com熱心網友回復：
這是另一種方式：
df.mask(df.eq(9)).T.fillna(90,limit=1).T.fillna(9)
輸出：
col1 col2 col3 col4
0 5.0 7.0 12.0 90.0
1 0.0 90.0 9.0 1.0
2 90.0 9.0 1.0 1.0
3 10.0 5.0 2.0 90.0
4 90.0 3.0 0.0 18.0
轉載請註明出處，本文鏈接：https://www.uj5u.com/houduan/448613.html
標籤：Python python-3.x 熊猫 数据框