pandas条件替换值(where&mask)
在日常分析中，经常会遇到对数据的筛选处理相关的工作，我们可以使用loc和iloc定位分析筛选的列或行数据，下面介绍一种高级筛选的用法where和mask。
pd.where: 替换条件（condition）为Flase处的值
pd.mask: 替换条件（condition）为True处的值
np.where: 替换条件，类似三元表达式
# 条件不成立时，值替换成other
pd.where(self, cond, other=nan, inplace=False,
axis=None, level=None, errors='raise', try_cast=False)
# 条件成立时，值替换成other
pd.mask(self, cond, other=nan, inplace=False,
axis=None, level=None, errors='raise', try_cast=False)
# 条件成立时，值为x；不成立时，值为y
np.where(condition, x, y)
首先模拟一组学生成绩表数据：
import pandas as pd
import numpy as np
# 设置学科
subjects = ['math', 'chinese', 'english', 'history']
# 设置学生
students = ['Tom', 'Alice', 'Bobby', 'Candy', 'David', 'Eva', 'Frank', 'Grace', 'Howard', 'Ivy',
'John', 'Karen', 'Larry', 'Marie', 'Nancy', 'Oscar', 'Peter', 'Queen', 'Robert', 'Susan']
# 随机生成成绩
score = np.random.randint(low=0, high=100, size=(len(students), len(subjects)))
# 生成DataFrame
df = pd.DataFrame(
score,
columns=subjects,
index=students
)
df
| math | chinese | english | history | |
|---|---|---|---|---|
| Tom | 24 | 57 | 60 | 44 |
| Alice | 92 | 25 | 64 | 26 |
| Bobby | 96 | 61 | 94 | 96 |
| Candy | 36 | 87 | 10 | 38 |
| David | 29 | 73 | 37 | 64 |
| Eva | 94 | 40 | 30 | 81 |
| Frank | 24 | 44 | 40 | 14 |
| Grace | 37 | 70 | 50 | 5 |
| Howard | 82 | 86 | 46 | 10 |
| Ivy | 24 | 7 | 30 | 30 |
| John | 39 | 32 | 97 | 48 |
| Karen | 68 | 29 | 34 | 11 |
| Larry | 82 | 5 | 3 | 78 |
| Marie | 96 | 83 | 73 | 63 |
| Nancy | 25 | 33 | 37 | 53 |
| Oscar | 2 | 65 | 49 | 73 |
| Peter | 9 | 19 | 11 | 67 |
| Queen | 44 | 19 | 85 | 23 |
| Robert | 75 | 35 | 47 | 77 |
| Susan | 71 | 6 | 10 | 82 |
1 pd.where
- where(条件, pd.NA)
值替换：pandas中的where方法，如果 条件 为真，保持原来的值，否则替换为other
增加字段 math_pass, 数学成绩大于60，为及格， 否则为不及格
df1 = df.copy()
# 默认及格
df1['math_pass'] = '及格'
df1['math_pass'] = df1['math_pass'].where(df1['math'] > 60, '不及格')
df1
| math | chinese | english | history | math_pass | |
|---|---|---|---|---|---|
| Tom | 24 | 57 | 60 | 44 | 不及格 |
| Alice | 92 | 25 | 64 | 26 | 及格 |
| Bobby | 96 | 61 | 94 | 96 | 及格 |
| Candy | 36 | 87 | 10 | 38 | 不及格 |
| David | 29 | 73 | 37 | 64 | 不及格 |
| Eva | 94 | 40 | 30 | 81 | 及格 |
| Frank | 24 | 44 | 40 | 14 | 不及格 |
| Grace | 37 | 70 | 50 | 5 | 不及格 |
| Howard | 82 | 86 | 46 | 10 | 及格 |
| Ivy | 24 | 7 | 30 | 30 | 不及格 |
| John | 39 | 32 | 97 | 48 | 不及格 |
| Karen | 68 | 29 | 34 | 11 | 及格 |
| Larry | 82 | 5 | 3 | 78 | 及格 |
| Marie | 96 | 83 | 73 | 63 | 及格 |
| Nancy | 25 | 33 | 37 | 53 | 不及格 |
| Oscar | 2 | 65 | 49 | 73 | 不及格 |
| Peter | 9 | 19 | 11 | 67 | 不及格 |
| Queen | 44 | 19 | 85 | 23 | 不及格 |
| Robert | 75 | 35 | 47 | 77 | 及格 |
| Susan | 71 | 6 | 10 | 82 | 及格 |
2 np.where
在numpy中的where使用,与pandas有所不同
# 条件成立时，值为x；不成立时，值为y
np.where(condition, x, y)
增加字段 math_pass2, 数学成绩大于60，为及格， 否则为不及格
df2 = df.copy()
# 数学成绩大于60，为及格， 否则为不及格
df2['math_pass2'] = np.where(df2['math'] > 60, '及格', '不及格')
df2
| math | chinese | english | history | math_pass2 | |
|---|---|---|---|---|---|
| Tom | 24 | 57 | 60 | 44 | 不及格 |
| Alice | 92 | 25 | 64 | 26 | 及格 |
| Bobby | 96 | 61 | 94 | 96 | 及格 |
| Candy | 36 | 87 | 10 | 38 | 不及格 |
| David | 29 | 73 | 37 | 64 | 不及格 |
| Eva | 94 | 40 | 30 | 81 | 及格 |
| Frank | 24 | 44 | 40 | 14 | 不及格 |
| Grace | 37 | 70 | 50 | 5 | 不及格 |
| Howard | 82 | 86 | 46 | 10 | 及格 |
| Ivy | 24 | 7 | 30 | 30 | 不及格 |
| John | 39 | 32 | 97 | 48 | 不及格 |
| Karen | 68 | 29 | 34 | 11 | 及格 |
| Larry | 82 | 5 | 3 | 78 | 及格 |
| Marie | 96 | 83 | 73 | 63 | 及格 |
| Nancy | 25 | 33 | 37 | 53 | 不及格 |
| Oscar | 2 | 65 | 49 | 73 | 不及格 |
| Peter | 9 | 19 | 11 | 67 | 不及格 |
| Queen | 44 | 19 | 85 | 23 | 不及格 |
| Robert | 75 | 35 | 47 | 77 | 及格 |
| Susan | 71 | 6 | 10 | 82 | 及格 |
3 pd.mask
值替换：pandas中的mask方法，如果 条件 为真，值替换为other
增加字段 math_pass3, 数学成绩大于60，为及格， 否则为不及格
df3 = df.copy()
df3['math_pass3'] = '不及格'
df3['math_pass3'] = df3['math_pass3'].mask(df3['math'] > 60, '及格')
df3
| math | chinese | english | hi |
|---|
| 首页 上一页 1 2 下一页 尾页 1/2/2 | |
| 【大 中 小】【打印】 【繁体】【投稿】【收藏】 【推荐】【举报】【评论】 【关闭】 【返回顶部】 | |
| 上一篇：Python GDAL读取栅格数据并基于质.. | 下一篇：西瓜视频视频颜值区如此惊艳，看.. |