pandas - 有效地设置行子集的值

Question

我想知道更改数据框中行子集中的值的最佳方法。假设我想将 selected 为 true 的行中 value 列中的值加倍。

In [1]: import pandas as pd
In [2]: df = pd.DataFrame({'value': [1, 2, 3, 4], 'selected': [False, False, True, True]})
In [3]: df
Out[3]: 
  selected  value
0    False      1
1    False      2
2     True      3
3     True      4

有几种方法可以做到这一点:

# 1. Subsetting with .loc on left and right hand side:
df.loc[df['selected'], 'value'] = df.loc[df['selected'], 'value'] * 2

# 2. Subsetting with .loc on left hand side:
df.loc[df['selected'], 'value'] = df['value'] * 2

# 3. Using where()
df['value'] = (df['value'] * 2).where(df['selected'], df['value'])

如果我只在左侧进行子集(选项 2)，Pandas 实际上会对所有行进行计算，然后丢弃除所选行之外的所有行的结果吗？

在求值方面，使用loc和where有什么区别吗？

Answer 1

您的 #2 选项是最标准、最推荐的方法。您的#1选项也很好，但是额外的代码是不必要的，因为 ix/loc/iloc 旨在传递 bool 选择并进行必要的对齐以确保它仅适用于您所需的子集。

# 2. Subsetting with .loc on left hand side:
df.loc[df['selected'], 'value'] = df['value'] * 2

如果您不在左侧使用 ix/loc/iloc，可能会出现我们不想在简单答案中涉及的问题。因此，使用 ix/loc/iloc 通常是最安全且最推荐的方法。您的选项 #3 没有任何问题，但它是三个选项中可读性最差的。

您应该了解的一个更快且可接受的替代方案是 numpy 的 where() 函数:

df['value'] = np.where( df['selected'], df['value'] * 2, df['value'] )

第一个参数是选择或掩码，第二个参数是 True 时要分配的值，第三个是 False 时要分配的值。如果您还想在选择为 False 的情况下创建或更改该值，那么它特别有用。