关于Pandas：根据条件为多索引数据框的子集设置值的正确方法和多条件索引excel的问题就给大家分享到这里，感谢你花时间阅读本站内容，更多关于Groupbypandas数据框并根据条件保留所有行、P

关于Pandas：根据条件为多索引数据框的子集设置值的正确方法和多条件索引 excel的问题就给大家分享到这里，感谢你花时间阅读本站内容，更多关于Groupby pandas 数据框并根据条件保留所有行、Pandas DataFrame：根据条件替换列中的所有值、Pandas-根据日期将数据框拆分为多个数据框？、pandas.DataFrame 根据条件新建列并赋值的方法等相关知识的信息别忘了在本站进行查找喔。

• Pandas：根据条件为多索引数据框的子集设置值的正确方法（多条件索引 excel）
• Groupby pandas 数据框并根据条件保留所有行
• Pandas DataFrame：根据条件替换列中的所有值
• Pandas-根据日期将数据框拆分为多个数据框？
• pandas.DataFrame 根据条件新建列并赋值的方法

Pandas：根据条件为多索引数据框的子集设置值的正确方法（多条件索引 excel）

我不确定如何在没有链接分配的情况下执行此操作（由于我要设置副本，因此这可能无法正常工作）。

我不想采用多索引熊猫数据框的子集，测试小于零的值并将其设置为零。

例如：

df = pd.DataFrame({(''A'',''a''): [-1,-1,0,10,12],                   (''A'',''b''): [0,1,2,3,-1],                   (''B'',''a''): [-20,-10,0,10,20],                   (''B'',''b''): [-200,-100,0,100,200]})df[df[''A'']<0] = 0.0

给

In [37]:dfOut[37]:    A   B    a   b   a   b0   -1  0   -20 -2001   -1  1   -10 -1002   0   2   0   03   10  3   10  1004   12  -1  20  200

这表明它无法根据条件进行设置。或者，如果我进行了链接分配：

df.loc[:,''A''][df[''A'']<0] = 0.0

这给出了相同的结果（以及带有复制警告的设置）

我可以根据第一级是我想要的条件来遍历每一列：

for one,two in df.columns.values:    if one == ''A'':        df.loc[df[(one,two)]<0, (one,two)] = 0.0

这给出了预期的结果：

In [64]:dfOut[64]:    A   B    a   b   a   b0   0   0   -20 -2001   0   1   -10 -1002   0   2   0   03   10  3   10  1004   12  0   20  200

但是以某种方式，我觉得有比遍历各列更好的方法。在熊猫中做到这一点的最佳方法是什么？

答案1

这是的应用程序（也是使用MultiIndex Slicers的主要动机之一），请参见此处的文档

In [20]: df = pd.DataFrame({(''A'',''a''): [-1,-1,0,10,12],                   (''A'',''b''): [0,1,2,3,-1],                   (''B'',''a''): [-20,-10,0,10,20],                   (''B'',''b''): [-200,-100,0,100,200]})In [21]: dfOut[21]:     A      B         a  b   a    b0  -1  0 -20 -2001  -1  1 -10 -1002   0  2   0    03  10  3  10  1004  12 -1  20  200In [22]: idx = pd.IndexSliceIn [23]: mask = df.loc[:,idx[''A'',:]]<0In [24]: maskOut[24]:        A              a      b0   True  False1   True  False2  False  False3  False  False4  False   TrueIn [25]: df[mask] = 0In [26]: dfOut[26]:     A      B         a  b   a    b0   0  0 -20 -2001   0  1 -10 -1002   0  2   0    03  10  3  10  1004  12  0  20  200

由于您使用的是列索引的第一级，因此以下内容也将适用。上面的示例更为笼统，说您想对“ a”执行此操作。

In [30]: df[df[[''A'']]<0] = 0In [31]: dfOut[31]:     A      B         a  b   a    b0   0  0 -20 -2001   0  1 -10 -1002   0  2   0    03  10  3  10  1004  12  0  20  200

Groupby pandas 数据框并根据条件保留所有行

import pandas as pd
df = pd.DataFrame({''col1'':[''abc'',''abc'',''xyz'',''cd''],''col2'':[''2020-02-01'',''2020-02-01'',''2020-01-01'',''2020-05-01'',''2020-06-01'']})
df


    col1    col2
0   abc    2020-02-01
1   abc    2020-02-01
2   abc    2020-01-01
3   xyz    2020-01-01
4   xyz    2020-05-01
5   cd     2020-06-01

    col1    col2
0   abc    2020-02-01
1   abc    2020-02-01
4   xyz    2020-05-01
5   cd     2020-06-01

df.sort_values(''col2'').groupby([''col1'']).tail(1)

df.loc[(df['First Season'] > 1990)] = 1

import pandas as pd
import numpy as np
import statsmodels.api as sm
from patsy import dmatrices

df = pd.read_csv('data.csv')
df['date'] = pd.to_datetime(df['date'],format='%Y%m%d')
df = df.set_index('date')

# Group dataframe on index by month and year 
# Groupby works,but dmatrices does not 
for df_group in df.groupby(pd.TimeGrouper("M")):
    y,X = dmatrices('value1 ~ value2 + value3',data=df_group,return_type='dataframe')

import numpy as np
import pandas as pd

data = {'city': ['Beijing', 'Shanghai', 'Guangzhou', 'Shenzhen', 'Hangzhou', 'Chongqing'],
    'year': [2016,2016,2015,2017,2016, 2016],
    'population': [2100, 2300, 1000, 700, 500, 500]}
frame = pd.DataFrame(data, columns = ['year', 'city', 'population', 'debt'])

# 使用apply函数, 如果city字段包含'ing'关键词，则'判断'这一列赋值为1,否则为0
frame['panduan'] = frame.city.apply(lambda x: 1 if 'ing' in x else 0)
print(frame)