给定以下具有多级列的DF：arrays = [[‘foo’, ‘foo’, ‘bar’, ‘bar’],
[‘A’, ‘B’, ‘C’, ‘D’]]
tuples = list(zip(*arrays))
columnValues = pd.MultiIndex.from_tuples(tuples)
df = pd.DataFrame(np.random.rand(6,4), columns = columnValues)
df[‘txt’] = ‘aaa’
print(df)
产量：
^{pr2}$
问题：如何有效地将foo子列中的值改为100，如果它们的值< 0.5，那么对于巨大的DF？在
以下工作：In [41]: df.foo < 0.5
Out[41]:
A B
0 True False
1 True False
2 True True
3 False False
4 True True
5 True True
In [42]: df.foo[df.foo < 0.5]
Out[42]:
A B
0 0.080029 NaN
1 0.276949 NaN
2 0.416714 0.440659
3 NaN NaN
4 0.191245 0.291017
5 0.365464 0.286350
但如果我试图改变它给我的值：In [45]: df.foo[df.foo < 0.5] = 100
C:\Users\USER\AppData\Local\Programs\Python35\Scripts\ipython:1: SettingWithCopyWarning:
A value is trying to be set on a copy of a slice from a DataFrame.
Try using .loc[row_indexer,col_indexer] = value instead
如果我尝试使用定位器：In [46]: df.foo.loc[df.foo < 0.5] = 100
…
ValueError: cannot copy sequence with size 2 to array axis with dimension 6
df.foo.loc[df.foo < 0.5, ‘foo’] = 100的相同错误
如果我尝试：df.loc[df.foo < 0.5, ‘foo’]
我得到：KeyError: ‘None of [ A B\n0 True False\n1 True False\n2 True True\n3 False False\n4 True True\n5 True True] are in the [index]’
解决方案-timeit与10M行的DF进行比较：In [19]: %timeit df.foo.applymap(lambda x: x if x >= 0.5 else 100)
1 loop, best of 3: 29.4 s per loop
In [20]: %timeit df.foo[df.foo >= 0.5].fillna(100)
1 loop, best of 3: 1.55 s per loop
约翰·高尔特：
^{9}$
B.M.：In [5]: %timeit u=df[‘foo’].values;u[u
1 loop, best of 3: 628 ms per loop
Original: https://blog.csdn.net/weixin_39695323/article/details/112891048
Author: weixin_39695323
Title: df满足条件的值修改_使用多级列在Pandas DF中有条件地更改值
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/678865/
转载文章受原作者版权保护。转载请注明原作者出处！