python - 将列的百分比设置为 0( Pandas )

Question

我有一个 pandas 数据框，我想将列的某个百分比设置为 0。假设 df 有两列。

  A   B  
  1   6
  2   7
  3   8
  4   4
  5   9

我现在想将 df 的前 20% 和后 20% 的 B 设置为 0。

  A   B  
  1   0
  2   7
  3   8
  4   4
  5   0

Answer 1

使用numpy.r_用于连接第一个和最后一个位置，然后按 iloc 更改值, 对于 B 列的位置使用 Index.get_loc :

N = .2
total = len(df.index)
#convert to int for always integer
i = int(total * N)
idx = np.r_[0:i, total-i:total]
df.iloc[idx, df.columns.get_loc('B')] = 0

或者:

N = .2
total = len(df.index)
i = int(total * N)
pos = df.columns.get_loc('B')

df.iloc[:i, pos] = 0
df.iloc[total - i:, pos] = 0

---

print (df)
   A  B
0  1  0
1  2  7
2  3  8
3  4  4
4  5  0

编辑:

如果Sparsedataframe并且相同类型的值可以转换为 numpy 数组，设置值并转换回:

arr = df.values
N = .2
total = len(df.index)
i = int(total * N)
pos = df.columns.get_loc('B')
idx = np.r_[0:i, total-i:total]

arr[idx, pos] = 0
print (arr)
[[1 0]
 [2 7]
 [3 8]
 [4 4]
 [5 0]]

df = pd.SparseDataFrame(arr, columns=df.columns)
print (df)
   A  B
0  1  0
1  2  7
2  3  8
3  4  4
4  5  0

print (type(df))
<class 'pandas.core.sparse.frame.SparseDataFrame'>

编辑1:

另一种解决方案是先转换为密集，然后再转换回来:

df = df.to_dense()
#apply solution
df = df.to_sparse()