python - 有条件地用 Pandas 中的默认值替换多个列

Question

假设我有一个数据框 df，其中包含数字列 "A"、"B"、"C"... 以及一个 bool 列 “默认”。我还有一个特殊列的列表，例如 special = ["A", "D", "E", "H", ...]，以及相应默认值的列表: 默认 = [a, d, e, h, ...]。我想要做的是:对于 DEFAULT 为 True 的每一行，将特殊列的值替换为相应的默认值。

当然，我可以手动循环遍历数据帧来执行此操作，但这很难看而且可能很慢。

我已经尝试了各种直观的方法，例如:

df[df.DEFAULT][special] = default

或

df[special] = df[special].where(not df.DEFAULT, default, axis = 1)

但我的尝试都没有奏效。我也读过许多类似 的问题，但似乎没有一个对我有用。对不起，如果我错过了正确的。

输入数据示例:

df = pd.DataFrame(np.random.rand(10,10))
df.columns = list('ABCDEFGHIJ')
df["DEFAULT"] = [False,False,True,False,True,False,False,True,True,False]
special = list("ADGI")
default = [1,2,3,4]

Answer 1

我想你可以先用列表 special 和 default 创建 dictionary ，然后在 df 中替换所需的值列名和最后一个 replace 它们由 dictionary :

maping = dict(zip(special,default))
print maping
{'A': 1, 'I': 4, 'D': 2, 'G': 3}

df.loc[df.DEFAULT, special] = special
df = df.replace(maping)
print df
          A         B         C         D         E         F         G  \
0  0.518990  0.066074  0.472414  0.438256  0.202796  0.423588  0.357758   
1  0.522062  0.035160  0.906231  0.816364  0.552581  0.851809  0.962395   
2  1.000000  0.603323  0.128021  2.000000  0.002065  0.198911  3.000000   
3  0.947822  0.728559  0.329651  0.791761  0.108166  0.392319  0.221218   
4  1.000000  0.506343  0.349898  2.000000  0.024577  0.633987  3.000000   
5  0.316550  0.826805  0.103991  0.633982  0.751032  0.155978  0.426002   
6  0.590585  0.435532  0.798689  0.923456  0.299154  0.388404  0.486272   
7  1.000000  0.263768  0.944626  2.000000  0.720266  0.925395  3.000000   
8  1.000000  0.649534  0.927976  2.000000  0.816151  0.911451  3.000000   
9  0.668218  0.286717  0.019462  0.399222  0.308528  0.942185  0.888265   

          H         I         J DEFAULT  
0  0.163684  0.441374  0.262800   False  
1  0.110522  0.630832  0.997994   False  
2  0.330441  4.000000  0.280859    True  
3  0.683726  0.102446  0.397026   False  
4  0.268709  4.000000  0.955568    True  
5  0.892707  0.103578  0.018096   False  
6  0.588151  0.983854  0.697330   False  
7  0.423054  4.000000  0.367475    True  
8  0.369524  4.000000  0.560451    True  
9  0.860311  0.653000  0.344289   False