如何在熊猫中将 if/else 转换为 np.where

Posted 2023-02-16

【中文标题】如何在熊猫中将 if/else 转换为 np.where

【英文标题】：How to convert if/else to np.where in pandas

【发布时间】：2020-10-06 10:13:40

【问题描述】：

我的代码在下面

将 pd.to_numeric 应用于应该为 int 或 float 但作为对象出现的列。我们可以像应用 np.where 那样将更多转换成 pandas 的方式

if df.dtypes.all() == 'object':
    df=df.apply(pd.to_numeric,errors='coerce').fillna(df)
else:
    df = df

【参考方案1】：

一个简单的单行是assign 和selest_dtypes，它将重新分配现有的列

df.assign(**df.select_dtypes('O').apply(pd.to_numeric,errors='coerce').fillna(df))

np.where:

df[:] = (np.where(df.dtypes=='object',
          df.apply(pd.to_numeric,errors='coerce').fillna(df),df)

---

示例（检查Price 列）：

d = 'CusID': 0: 1, 1: 2, 2: 3,
     'Name': 0: 'Paul', 1: 'Mark', 2: 'Bill',
     'Shop': 0: 'Pascal', 1: 'Casio', 2: 'Nike',
     'Price': 0: '24000', 1: 'a', 2: '900'
df = pd.DataFrame(d)

print(df)
   CusID  Name    Shop  Price
0      1  Paul  Pascal  24000
1      2  Mark   Casio      a
2      3  Bill    Nike    900

df.to_dict()
'CusID': 0: 1, 1: 2, 2: 3,
 'Name': 0: 'Paul', 1: 'Mark', 2: 'Bill',
 'Shop': 0: 'Pascal', 1: 'Casio', 2: 'Nike',
 'Price': 0: '24000', 1: 'a', 2: '900'

---

(df.assign(**df.select_dtypes('O').apply(pd.to_numeric,errors='coerce')
   .fillna(df)).to_dict())

'CusID': 0: 1, 1: 2, 2: 3,
 'Name': 0: 'Paul', 1: 'Mark', 2: 'Bill',
 'Shop': 0: 'Pascal', 1: 'Casio', 2: 'Nike',
 'Price': 0: 24000.0, 1: 'a', 2: 900.0

【参考方案2】：

你的 if/else 等价于 df.mask

df_out = df.mask(df.dtypes =='O', df.apply(pd.to_numeric, errors='coerce')
                                    .fillna(df))