python - 根据python中的条件更新多个列值

Question

我有一个像这样的数据框，

ID    00:00  01:00  02:00  ...   23:00   avg_value
22      4.7     5.3     6   ...    8         5.5
37       0      9.2    4.5  ...    11.2      9.2
4469     2      9.8    11   ...    2         6.4

我可以使用 np.where 一次对多个列应用条件吗？我想将 00:00 到 23:00 之间的值更新为 0 和 1。如果一天中某个时间的值大于 avg_value，则我将其更改为 1，否则更改为 0。

我知道如何将此方法应用于单个列。

np.where(df['00:00']>df['avg_value'],1,0)

我可以将其更改为多列吗？

输出将类似于，

ID    00:00  01:00  02:00  ...   23:00   avg_value
22      0     1       1    ...      1       5.5
37      0     0       0    ...      1       9.2
4469    0     1       1    ...      0       6.4

Answer 1

选择最后一个没有的所有列 DataFrame.iloc ，比较DataFrame.gt并转换为整数，最后按 DataFrame.join 添加 avg_value 列:

df = df.iloc[:, :-1].gt(df['avg_value'], axis=0).astype(int).join(df['avg_value'])
print (df)
      00:00  01:00  02:00  23:00  avg_value
ID                                         
22        0      0      1      1        5.5
37        0      0      0      1        9.2
4469      0      1      1      0        6.4

或者使用DataFrame.pop对于提取列:

s = df.pop('avg_value')
df = df.gt(s, axis=0).astype(int).join(s)
print (df)
      00:00  01:00  02:00  23:00  avg_value
ID                                         
22        0      0      1      1        5.5
37        0      0      0      1        9.2
4469      0      1      1      0        6.4

因为如果分配给相同的列整数将转换为 float (这是错误):

df.iloc[:, :-1] = df.iloc[:, :-1].gt(df['avg_value'], axis=0).astype(int)
print (df)
      00:00  01:00  02:00  23:00  avg_value
ID                                         
22      0.0    0.0    1.0    1.0        5.5
37      0.0    0.0    0.0    1.0        9.2
4469    0.0    1.0    1.0    0.0        6.4