python - Pandas:根据更复杂的标准选择和修改数据框

Question

我在看 this和 this线程，虽然我的问题并没有太大不同，但它有一些不同之处。我有一个充满 floats 的数据框，我想用字符串替换它。说:

      A     B       C
 A    0     1.5     13
 B    0.5   100.2   7.3
 C    1.3   34      0.01

对于这张表，我想用几个条件替换，但只有第一个替换有效:

df[df<1]='N' # Works
df[(df>1)&(df<10)]#='L' # Doesn't work
df[(df>10)&(df<50)]='M'  # Doesn't work
df[df>50]='H'  # Doesn't work

如果我改为根据 float 选择第二行，仍然不起作用:

((df.applymap(type)==float) & (df<10) & (df>1)) #Doesn't work

我想知道如何在此处或任何其他方式应用 pd.DataFrame().mask。我该如何解决？

或者，我知道我可以逐列阅读并在每个系列上应用替换，但这似乎有点适得其反

编辑:谁能解释为什么上面的 4 个简单作业不起作用？

Answer 1

使用numpy.select使用 DataFrame 构造函数:

m1 = df < 1
m2 = (df>1)&(df<10)
m3 = (df>10)&(df<50)
m4 = df>5

vals = list('NLMH')

df = pd.DataFrame(np.select([m1,m2,m3,m4], vals), index=df.index, columns=df.columns)
print (df)
   A  B  C
A  N  L  M
B  N  H  L
C  L  M  N