时间戳

首页 > 解决方案 > 多数据类型pandas Dataframe中的比较操作

python - 多数据类型pandas Dataframe中的比较操作

问题描述

我有以下熊猫数据框：

df = pd.DataFrame({'a': [1, 2.5, 3, 'bad', 5],
                   'b': [0.1, 'good', 0.3, "ugly", 0.5],
                   'item': ['a', 'b', 'c', 'd', 'e']})
df = df.set_index('item')

如您所见，这些列具有数字和字符值的组合。我想根据范围更改数值的值，例如：

0 < value <= 1, 应该换成“好”

1 < value <= 2，应该换成“bad”

2 < value <= 6，应该换成“丑”

有人能帮助我吗？提前致谢！上面提到的示例数据框由 2 列组成，但在我的实际实验中，我有大约 400 列。谢谢！

标签： pythonpandas

解决方案

想法是将所有列转换为数字，将非数字转换为缺失值，因此可以通过掩码进行比较并设置新值numpy.select：

a = df.apply(pd.to_numeric, errors='coerce')
m1 = (a > 0) & (a <= 1)
m2 = (a > 1) & (a <= 2)
m3 = (a > 2) & (a <= 6)

arr = np.select([m1, m2, m3], ['good','bad','ugly'], default=df)

df = pd.DataFrame(arr, index=df.index, columns=df.columns)
print (df)
         a     b
item            
a     good  good
b     ugly  good
c     ugly  good
d      bad  ugly
e     ugly  good

编辑：

df1 = pd.DataFrame({'initial': [0,1,2], 'end': [1, 2, 6], 'stg': ['good', 'bad', 'ugly']})

a = df1.apply(pd.to_numeric, errors='coerce')
m1 = (a > 0) & (a <= 1)
m2 = (a > 1) & (a <= 2)
m3 = (a > 2) & (a <= 6)

arr = np.select([m1, m2, m3], ['good','bad','ugly'], default=df1)

df = pd.DataFrame(arr, index=df1.index, columns=df1.columns)
print (df)
  initial   end   stg
0       0  good  good
1    good   bad   bad
2     bad  ugly  ugly

推荐阅读