Pandas - 根据索引替换值

Posted 2023-03-11

【中文标题】Pandas - 根据索引替换值

【英文标题】：Pandas - Replace values based on index

【发布时间】：2016-10-10 01:28:22

【问题描述】：

如果我像这样创建一个数据框：

import pandas as pd, numpy as np

df = pd.DataFrame(np.random.randint(0,100,size=(100, 2)), columns=list('AB'))

例如，我如何将 A 列中的条目更改为第 0 -15 行的数字 16？换句话说，我如何完全基于索引替换单元格？

【参考方案1】：

使用loc:

df.loc[0:15,'A'] = 16
print (df)
     A   B
0   16  45
1   16   5
2   16  97
3   16  58
4   16  26
5   16  87
6   16  51
7   16  17
8   16  39
9   16  73
10  16  94
11  16  69
12  16  57
13  16  24
14  16  43
15  16  77
16  41   0
17   3  21
18   0  98
19  45  39
20  66  62
21   8  53
22  69  47
23  48  53

ix 的解决方案是deprecated。

【讨论】：

这现在给出了一个 FutureWarning：不支持使用 .loc 对位置切片进行切片。 df.A.iloc[0:15] = 16 应该仍然有效。

【参考方案2】：

另一种解决方案是

df.at[0:15, 'A']=16

print(df.head(20))

输出：

     A   B
0   16  44
1   16  86
2   16  97
3   16  79
4   16  94
5   16  24
6   16  88
7   16  43
8   16  64
9   16  39
10  16  84
11  16  42
12  16   8
13  16  72
14  16  23
15  16  28
16  18  11
17  76  15
18  12  38
19  91   6

【参考方案3】：

除了其他答案之外，如果您有单个索引列表，您可以执行以下操作：

indices = [0,1,3,6,10,15]
df.loc[indices,'A'] = 16

print(df.head(16))

输出：

     A  B
0   16  4
1   16  4
2    4  3
3   16  4
4    1  1
5    3  0
6   16  4
7    2  1
8    4  4
9    3  4
10  16  0
11   3  1
12   4  2
13   2  2
14   2  1
15  16  1

【参考方案4】：

非常有趣的观察，下面的代码确实改变了原始数据帧中的值

df.loc[0:15,'A'] = 16

但如果你使用类似这样的代码

df.loc[0:15]['A'] = 16

它只会返回您数据帧的 副本，其值已更改，并且不会更改原始 df 对象中的值. 希望这将为处理此问题的人节省一些时间。

【讨论】：

这称为“链式分配”，pandas 文档建议不要这样做 (pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html)

【参考方案5】：

您能否将该列的值更新为 -1.0 而不是 16？对我来说，它返回 255 而不是 -1.0。

>>> effect_df.loc[3:5, ['city_SF', 'city_Seattle']] = -1.0

    Rent  city_SF  city_Seattle
0  3999        1             0
1  4000        1             0
2  4001        1             0
3  3499      255           255
4  3500      255           255
5  3501      255           255
6  2499        0             1
7  2500        0             1
8  2501        0             1