python-3.x - 如何使用不同的值和python中的各种条件更改数据框的列？

Question

我有一个数据框，我想根据满足的条件使用不同的值更改列“conf”。

df=pd.DataFrame({"conf":[100,100,100,100],
            "i":[-2,3,-3,10],
            "o":[12,13,14,16],
            "n":[6,4,6,1],
           "id":[1.4,2,1.3,1.7],
            "od":[2,3,2.5,8],
            "nd":[2,3,2.4,-0.9],
           "iwr":[60,60,45,65],
           "owr":[65,88,90,78],
           "nwr":[67,63,60,60]})
df  

我想这样做，但我以错误的方式这样做，因为我将系列传递给 if 条件，这不是正确的方法。

def column_alter(df):
    if (((df["id"]>1.5) & (df["iwr"]>1.5)):
        if (((df["od"]>1.5) & (df["nd"]>1.5)) & ((df["owr"]>60) & (df["nwr"]>60))):
                df["conf"]= df["conf"]
        else:
            df["conf"]= df["conf"]*0.5
    else:
        if (((df["od"]>1.5) & (df["nd"]>1.5)) & ((df["owr"]>60) &(df["nwr"]>60))):
            df["conf"]= df["conf"]
        else:
            df["conf"]= df["conf"]*0.25
    return df  

所需输出:我想返回带有修改后的 Conf 值的整个数据帧，即 [100,100,25,50]

Answer 1

因为否则可以通过 ~ 反转掩码, 链式面具由 &和多个 DataFrame.loc :

m0 = (df["id"]>1.5) & (df["iwr"]>1.5)
m1 = (df["od"]>1.5) & (df["nd"]>1.5) & (df["owr"]>60) & (df["nwr"]>60)

df.loc[m0 & ~m1, "conf"] *= 0.5
df.loc[~m0 & ~m1, "conf"] *= 0.25
print (df)
    conf   i   o  n   id   od   nd  iwr  owr  nwr
0  100.0  -2  12  6  1.4  2.0  2.0   60   65   67
1  100.0   3  13  4  2.0  3.0  3.0   60   88   63
2   25.0  -3  14  6  1.3  2.5  2.4   45   90   60
3   50.0  10  16  1  1.7  8.0 -0.9   65   78   60

另一个解决方案 numpy.select :

m0 = (df["id"]>1.5) & (df["iwr"]>1.5)
m1 = (df["od"]>1.5) & (df["nd"]>1.5) & (df["owr"]>60) & (df["nwr"]>60)

df['conf'] *= np.select([m0 & ~m1, ~m0 & ~m1], [0.5, 0.25], default=1)
#long alternative
#df['conf'] = np.select([m0 & ~m1, ~m0 & ~m1], 
                        [df['conf'] * 0.5, df['conf'] * 0.25], default=df['conf'])
print (df)
    conf   i   o  n   id   od   nd  iwr  owr  nwr
0  100.0  -2  12  6  1.4  2.0  2.0   60   65   67
1  100.0   3  13  4  2.0  3.0  3.0   60   88   63
2   25.0  -3  14  6  1.3  2.5  2.4   45   90   60
3   50.0  10  16  1  1.7  8.0 -0.9   65   78   60