python - 遍历行时如何使用掩码更新 DataFrame 中的值

Question

使用下面的代码，当触发 if 语句并放置预测时，我尝试将列 df_test['placed'] 更新为 = 1。不过，我无法让它正确更新，代码编译但不会更新为 = 1 对于放置的相应预测。

df_test['placed'] = np.zeros(len(df_test))
for i in set(df_test['id']) :
    mask = df_test['id']==i
    predictions = lm.predict(X_test[mask])
    j = np.argmax(predictions)
    if predictions[j] > 0 :
        df_test['placed'][mask][j] = 1
        print(df_test['placed'][mask][j])

Answer 1

回答你的问题

编辑:根据评论更改建议

代码的赋值部分，df_test['placed'][mask][j] = 1，使用所谓的 chained indexing .简而言之，您的任务只会更改立即丢弃的 DataFrame 的临时副本，而不会更改原始 DataFrame。

为避免这种情况，赋值时的经验法则是:在单个 DataFrame 上仅使用一组方括号。对于您的问题，应该如下所示:

df_test.loc[mask.nonzero()[0][j], 'placed'] = 1

(我知道 mask.nonzero() 使用两组方括号；实际上 nonzero() 返回一个元组，而该元组的第一个元素元组是一个 ndarray。但数据框只使用一组，这是重要的部分。)

一些其他注意事项

我有一些关于使用 pandas (& numpy) 的笔记。

• Pandas 和 NumPy 都有一个称为广播的功能。基本上，如果您要为整个数组分配一个值，则不需要先创建一个相同大小的数组；你可以只分配一个值，pandas/NumPy 会自动为你计算出如何应用它。因此，您的代码的第一行可以替换为 df_test['placed'] = 0，它完成同样的事情。

• 一般来说在处理 pandas 和 numpy 对象时，循环不好；通常，您可以找到一种方法，结合使用广播、逐元素操作 和 bool 索引 来执行循环的操作。由于这些功能的设计方式，它的运行速度也会快得多。不幸的是，我对 lm.predict 方法不够熟悉，所以您可以完全避免使用此代码的整个 for 循环。