Pandas：如何使用 np.where() 的等效项

您可以使用 NumPyWhere ()函数使用 if-else 逻辑快速更新 NumPy 数组的值。

例如，以下代码显示了如何更新满足特定条件的 NumPy 数组中的值：

 import numpy as np

#create NumPy array of values
x = np. array ([1, 3, 3, 6, 7, 9])

#update valuesin array based on condition
x = np. where ((x < 5) | (x > 8), x/2, x)

#view updated array
x

array([0.5, 1.5, 1.5, 6. , 7. , 4.5])

如果表中的给定值小于 5 或大于 8，我们将该值除以 2。

否则我们将保持该值不变。

我们可以使用pandaswhere()函数在 pandas DataFrame 中执行类似的操作，但语法略有不同。

以下是使用 NumPywhere() 函数的基本语法：

 x = np. where (condition, value_if_true, value_if_false)

这是使用 pandaswhere() 函数的基本语法：

 df[' col '] = (value_if_false). where (condition, value_if_true)

以下示例展示了如何在实践中使用 pandaswhere() 函数。

示例：相当于 Pandas 中的 np.where()

假设我们有以下 pandas DataFrame：

 import pandas as pd

#createDataFrame
df = pd. DataFrame ({' A ': [18, 22, 19, 14, 14, 11, 20, 28],
                   ' B ': [5, 7, 7, 9, 12, 9, 9, 4]})

#view DataFrame
print (df)

    AB
0 18 5
1 22 7
2 19 7
3 14 9
4 14 12
5 11 9
6 20 9
7 28 4

我们可以使用以下pandaswhere()函数根据特定条件更新 A 列中的值：

 #update values in column A based on condition
df[' A '] = (df[' A '] / 2). where (df[' A '] < 20, df[' A '] * 2)

#view updated DataFrame
print (df)

      AB
0 9.0 5
1 44.0 7
2 9.5 7
3 7.0 9
4 7.0 12
5 5.5 9
6 40.0 9
7 56.0 4

如果A 列中的给定值小于 20，我们将该值乘以 2。

否则，我们将该值除以 2。

其他资源

以下教程解释了如何在 pandas 中执行其他常见操作：

Pandas：如何计算有条件的列中的值
Pandas：如何根据条件删除DataFrame中的行
Pandas：如何根据条件替换列中的值