python - 如何在系列的多个条件下将值设置为 np.nan？

Question

假设我有一个数据框:

    A   B   C   D   E   F
0   x   R   i   R   nan h
1   z   g   j   x a   nan
2   z   h   nan y nan nan
3   x   g   nan nan nan nan
4   x   x   h   x   s   f

我想替换所有单元格:

第 0 行的值是 R ( df.loc[0] == 'R' )

单元格不是 'x' ( != 'x' )

仅第 2 行及以下 (2:)

与 np.nan .
基本上我想做:

df.loc[2:,df.loc[0]=='R']!='x' = np.nan

我收到错误:

SyntaxError: can't assign to comparison

我只是不知道语法应该如何。
我试过了

df[df.loc[2:,df.loc[0]=='R']!='x']

但这并没有列出我想要的值。

Answer 1

解决方案

mask = df.ne('x') & df.iloc[0].eq('R')
mask.iloc[:2] = False

df.mask(mask)

   A    B    C    D    E    F
0  x    R    i    R  NaN    h
1  z    g    j    x    a  NaN
2  z  NaN  NaN  NaN  NaN  NaN
3  x  NaN  NaN  NaN  NaN  NaN
4  x    x    h    x    s    f

解释
建立面具

df.ne('x')给

        A      B     C      D     E     F
 0  False   True  True   True  True  True
 1   True   True  True  False  True  True
 2   True   True  True   True  True  True
 3  False   True  True   True  True  True
 4  False  False  True  False  True  True

但我们希望与 df.iloc[0].eq('R') 一起使用这是一个 Series .事实证明，如果我们只是 &这两个放在一起，它将对齐 Series使用步骤 1 中掩码的列进行索引。

 A    False
 B     True
 C    False
 D     True
 E    False
 F    False
 Name: 0, dtype: bool

 # &

        A      B     C      D     E     F
 0  False   True  True   True  True  True
 1   True   True  True  False  True  True
 2   True   True  True   True  True  True
 3  False   True  True   True  True  True
 4  False  False  True  False  True  True

 # GIVES YOU

        A      B      C      D      E      F
 0  False   True  False   True  False  False
 1  False   True  False  False  False  False
 2  False   True  False   True  False  False
 3  False   True  False   True  False  False
 4  False  False  False  False  False  False

最后，我们想从这些恶作剧中排除前两行，所以......

 mask.iloc[:2] = False