pandas DataFrame 布尔索引设置值

Question

我试图将pandas DataFrame中的多个不同值全部设置为相同的值。我以为我理解了pandas的布尔索引，但是我没有找到任何关于这个特定错误的资源。

import pandas as pd 
df = pd.DataFrame({'A': [1, 2, 3], 'B': ['a', 'b', 'f']})
mask = df.isin([1, 3, 12, 'a'])
df[mask] = 30
Traceback (most recent call last):
...
TypeError: Cannot do inplace boolean setting on mixed-types with a non np.nan value

上面，我想将遮罩中所有的True替换为值30。 我可以使用df.replace进行替换，但在这里使用遮罩感觉更有效和直观。有人能解释一下错误，并提供一种高效的方法来设置所有的值吗？

- Michael K

---

你能否确认我的答案或JohnE的结果是否符合您的要求，并更新您的问题以清楚地表明这一点，谢谢。 - EdChum

谢谢，@EdChum。我想将掩码中的“True”值设置为新值，并保留“False”值不变。我已经编辑了问题以便更清楚地表达。 - Michael K

没关系，我更新了我的回答，你只需要反转掩码就可以实现你想要的。 - EdChum

嘿，你自己决定吧，但我并不是想让你改变复选框，只是想澄清期望的结果。如果你想切换回@EdChums的答案，我认为他的答案更简洁明了一些。 - JohnE

是的，你说得对。它们都是好答案。对不起！ - Michael K

Answer 1

很遗憾，您不能对混合数据类型使用布尔掩码。您可以使用pandas的where函数来设置值：

In [59]:
df = pd.DataFrame({'A': [1, 2, 3], 'B': ['a', 'b', 'f']})
mask = df.isin([1, 3, 12, 'a'])
df = df.where(mask, other=30)
df

Out[59]:
    A   B
0   1   a
1  30  30
2   3  30

注意：如果您在where方法中使用了inplace=True，那么上述代码将会失败，因此df.where(mask, other=30, inplace=True)会提示错误信息：

TypeError: Cannot do inplace boolean setting on mixed-types with a non np.nan value

编辑

好的，在一些误解之后，您仍然可以使用where方法，只需要翻转掩码即可：

In [2]:    
df = pd.DataFrame({'A': [1, 2, 3], 'B': ['a', 'b', 'f']})
mask = df.isin([1, 3, 12, 'a'])
df.where(~mask, other=30)

Out[2]:
    A   B
0  30  30
1   2   b
2  30   f

- EdChum

---

结果正确吗？应该在True或False值中填入30吗？这与我认为的要求相反（尽管我可能弄反了），通过取掩码的补集可以轻松地将其反转。 - JohnE

@JohnE 当你使用 where 时，掩码将产生原始值，其中掩码为 True，而 other 值将用于掩码为 False 的情况，因此 other 的默认值为 NaN，所以看起来很困惑，但这是预期和期望的结果。 - EdChum

我认同你的代码是这样工作的，而且应该是这样的，只是我注意到它似乎与要求相反。例如，如果在仅针对A列运行OP的代码，则会生成“30 2 30”。 - JohnE

@JohnE 是的，这似乎有歧义，我把他的问题看作是替换 NaN 值的一种方式，但它更像是你的答案，但 OP 接受了我的答案，所以我不确定他是否想要这个结果，但却问了你的答案。 - EdChum

没问题，我只是注意到我们得到了完全相反的结果。我认为你的方法更简洁，已经点赞了。 - JohnE

双重否定真的有必要吗？我想将“所有内容掩码”设置为一个值。我应该进行掩码，然后将掩码中的非非内容设置为该值吗？这对我来说毫无意义。 - Gulzar

Answer 2

如果您想使用不同的列创建掩码，您需要调用数据框的“值”属性。

---

示例

假设我们想根据B_1和B_2中的掩码替换A_1和'A_2'中的值。例如，将与B中的空值对应的A中的那些值（更改为999）替换。

原始数据框：

   A_1  A_2  B_1  B_2
0    1    4    y    n
1    2    5    n  NaN
2    3    6  NaN  NaN

期望的数据框架

   A_1  A_2  B_1  B_2
0    1    4    y    n
1    2  999    n  NaN
2  999  999  NaN  NaN

这段代码：

df = pd.DataFrame({
     'A_1': [1, 2, 3], 
     'A_2': [4, 5, 6], 
     'B_1': ['y', 'n', np.nan], 
     'B_2': ['n', np.nan, np.nan]})

_mask = df[['B_1', 'B_2']].notnull().values
df[['A_1', 'A_2']] = df[['A_1','A_2']].where(_mask, other=999)



   A_1  A_2
0    1    4
1    2  999
2  999  999

- toto_tico

---

谢谢您的答案。.values属性正是我需要的，这让我的掩码工作得很好。非常感谢！ - Tim Mayes

Answer 3

我不是100%确定，但我怀疑错误信息与不同数据类型缺失数据的处理方式不相同有关。只有浮点数具有NaN，但整数可以自动转换为浮点数，因此在那里没有问题。但是混合数字数据类型和对象数据类型似乎并不容易解决... 无论如何，您可以很容易地通过np.where解决这个问题:

df[:] = np.where( mask, 30, df ) 

    A   B
0  30  30
1   2   b
2  30   f

- JohnE

Answer 4

pandas 使用 NaN 来标记无效或缺失的数据，并且可以跨类型使用。由于您的 DataFrame 包含混合的整数和字符串数据类型，因此它不会接受分配给单个类型（除了 NaN）的操作，因为这将在通过原地赋值创建混合类型（int 和 str）的 B 中。

@JohnE 方法使用 np.where 创建一个新的 DataFrame，其中列 B 的类型是对象而不是初始示例中的字符串。

- Paul Joireman