python - 如果指定列中的标志(匹配前 6 个字母)是 "1"，将数据转换为 NaN 的方法是什么？

Question

如果指定列中的标志(匹配前 6 个字母)为“1”，如何将数据转换为 NaN？

Dataframes 表示数据和标志。两个数据框之间的列顺序不同。

这些框架有数百列和 50 万条记录。

df
                    123456.A  123456.B  ... 456789.A 456789.B
2016-01-01 00:00         5.6       0.3  ...      6.7      1.1
2016-01-01 00:01         5.4       0.4  ...      6.7      1.3
2016-01-01 00:02         5.1       0.2  ...      6.7      1.5
....
2016-12-31 23:57         5.7       0.4  ...      6.7      1.2
2016-12-31 23:58         5.6       0.3  ...      6.7      1.4
2016-12-31 23:59         5.4       0.4  ...      6.7      1.5

flag_t
                      456789    123456  ...   342546   821453
2016-01-01 00:00           1         0  ...        0        0
2016-01-01 00:01           0         0  ...        0        0
2016-01-01 00:02           1         1  ...        0        0
....
2016-12-31 23:57           0         1  ...        1        1
2016-12-31 23:58           0         0  ...        0        1
2016-12-31 23:59           0         0  ...        0        1

这是我想要得到的表格:

df
                    123456.A  123456.B  ... 456789.A 456789.B
2016-01-01 00:00         5.6       0.3  ...      NaN      NaN
2016-01-01 00:01         5.4       0.4  ...      6.7      1.3
2016-01-01 00:02         NaN       NaN  ...      NaN      NaN
....
2016-12-31 23:57         NaN       NaN  ...      6.7      1.2
2016-12-31 23:58         5.6       0.3  ...      6.7      1.4
2016-12-31 23:59         5.4       0.4  ...      6.7      1.5

Answer 1

• 按'.'拆分列
• 添加 df2.where(df2 == 0)
  • 将在零处为零，在其他地方为 np.nan。
  • 我这样做是因为我可以在特定级别添加，在其余级别上广播。

---

df.columns = df.columns.str.split('.', expand=True)

df = df.add(df2.where(df2==0), level=0)

df.columns = df.columns.map('.'.join)

print(df)

                     123456.A  123456.B  456789.A  456789.B
2016-01-01 00:00:00       5.6       0.3       NaN       NaN
2016-01-01 00:01:00       5.4       0.4       6.7       1.3
2016-01-01 00:02:00       NaN       NaN       NaN       NaN
2016-12-31 23:57:00       NaN       NaN       6.7       1.2
2016-12-31 23:58:00       5.6       0.3       6.7       1.4
2016-12-31 23:59:00       5.4       0.4       6.7       1.5