Pandas: як оновити значення в рядках

Ви можете використовувати наступний базовий синтаксис для оновлення значень у pandas DataFrame під час використання iterrows :

 for i, row in df. iterrows ():
    points_add = 10
    if row[' points '] > 15:
        points_add = 50
    df. at [i,' points '] = points_add

Цей конкретний приклад повторює кожен рядок DataFrame та оновлює значення в стовпці з крапками до 50 , якщо значення на даний момент перевищує 15.

Якщо поточне значення менше або дорівнює 15, значення оновлюється до 10 .

У наступному прикладі показано, як використовувати цей синтаксис на практиці.

Приклад: оновлення значень у Pandas DataFrame у рядках

Припустімо, що у нас є такий фрейм даних pandas, який показує кількість очок, набраних різними баскетболістами:

 import pandas as pd

#createDataFrame
df = pd. DataFrame ({' player ': ['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H', 'I'],
                   ' points ': [10, 12, 14, 15, 15, 15, 16, 17, 20]})

#view DataFrame
print (df)

  player points
0 to 10
1 B 12
2 C 14
3 D 15
4 E 15
5 F 15
6 G 16
7:17 a.m.
8 I 20

Припустимо, ми хочемо оновити значення в стовпці балів за такою логікою:

• Якщо кількість балів менша або дорівнює 15, оновіть значення до 10 .
• Якщо кількість балів перевищує 15, оновіть значення до 50 .

Ми можемо використовувати функцію iterrows , щоб перебирати кожен рядок DataFrame і робити такі оновлення:

 #iterate over each row in DataFrame and update values in points column
for i, row in df. iterrows ():
    points_add = 10
    if row[' points '] > 15:
        points_add = 50
    df. at [i,' points '] = points_add

#view updated DataFrame
print (df)

  player points
0 to 10
1 B 10
2 C 10
3 D 10
4 E 10
5 F 10
6 G 50
7:50 a.m.
8 I 50

Ми бачимо, що значення в стовпці балів були відповідно оновлені.

Примітка . Ви можете знайти повну документацію для функції pandas iterrows() тут .

Додаткові ресурси

У наступних посібниках пояснюється, як виконувати інші типові завдання в pandas:

Pandas: Як переміщатися по стовпцях
Pandas: як вибрати рядки між двома значеннями
Pandas: оновіть значення стовпців на основі іншого DataFrame