python - 用 Pandas 数据框中的列分位数替换异常值

Question

我有一个数据框:

df = pd.DataFrame(np.random.randint(0,100,size=(5, 2)), columns=list('AB'))
    A   B
0  92  65
1  61  97
2  17  39
3  70  47
4  56   6

这是 5% 的分位数:

down_quantiles = df.quantile(0.05)
A    24.8
B    12.6

这是低于分位数的值的掩码:

outliers_low = (df < down_quantiles)
       A      B
0  False  False
1  False  False
2   True  False
3  False  False
4  False   True

我想将 df 中的值设置为低于其列分位数的分位数。我可以这样做:

df[outliers_low] = np.nan
df.fillna(down_quantiles, inplace=True)

    A   B
0  92.0  65.0
1  61.0  97.0
2  24.8  39.0
3  70.0  47.0
4  56.0  12.6

但当然应该有更优雅的方式。如果没有 fillna，我该怎么做？谢谢。

Answer 1

您可以使用 DF.mask()方法。只要存在 True 实例，其他系列的值就会通过提供 axis=1 并根据匹配的列名进行对齐替换。

df.mask(outliers_low, down_quantiles, axis=1)  

---

另一种变体是使用 DF.where()使用波浪号 (~) 符号反转 bool 掩码后的方法。

df.where(~outliers_low, down_quantiles, axis=1)