在Pandas DataFrame中更改特定值（存在混合类型）

Question

我有一个pandas数据框，我希望在一些列中只增加大于零的值，并将其递增一个固定值（例如0.001）。

df=pd.DataFrame({'a': ['abc', 'abc', 'abc', 'abc'], 'b': [2,np.nan, 0, 6], 'c': [1, 0, 2, 0]})

     a    b  c
0  abc  2.0  1
1  abc  NaN  0
2  abc  0.0  2
3  abc  6.0  0

所以我尝试了这个：

df[df.loc[:,['b', 'c']]>0]+=1

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

然而，由于第一列具有对象数据类型，因此我无法像您在错误中看到的那样执行此操作。期望的输出应该是：

     a    b      c
0  abc  2.001  1.001
1  abc  NaN    0
2  abc  0.0    2.001
3  abc  6.001  0

有没有一种方法可以在不分别循环每个列的情况下完成这种操作？

我相信我只是缺少一个简单的方法，但似乎找不到一个示例。

- campo

Answer 1

你可以尝试这个方法：

import pandas as pd
import numpy as np

df = pd.DataFrame({'a': ['abc', 'abc', 'abc', 'abc'], 
                   'b': [2,np.nan, 0, 6], 
                   'c': [1, 0, 2, 0]})

inc = 0.01
df.loc[:, df.dtypes.ne('object')] += inc
df.replace({inc:0}, inplace=True)        

print(df)

或者按照 Tai 的建议使用 np.where（这样应该更快）：

cols = df.columns[df.dtypes.ne('object')]
df[cols] += np.where(df[cols] >0, 0.01, 0)

返回：

     a     b     c
0  abc  2.01  1.01
1  abc   NaN  0.00
2  abc  0.00  2.01
3  abc  6.01  0.00

- Anton vBR

---

谢谢评论。然而，这也会增加零的数量。您如何只考虑值> 0？ - campo

@jpp 感谢提到 select_dtypes，我借鉴了它 :-) - BENY

@campo 是的，这是一个 hack。但它比 Wen 建议的 df = pd.concat([df]*1000) 上的 df.add() 更快。 - Anton vBR

@Tai 是的，我认为那是最通用和可读的。我试图用 .loc 应用它。 - Anton vBR

对于这个问题，请注意如果边界不为0，则使用replace会产生一些麻烦（例如限制0.01，然后添加值0.01）@campo - BENY

Answer 2

您可以使用 select_dtypes 和 add 来完成此操作。

df.add((df.select_dtypes(exclude=object)>0).astype(int)*0.0001).combine_first(df)
Out[18]: 
     a       b       c
0  abc  2.0001  1.0001
1  abc     NaN  0.0000
2  abc  0.0000  2.0001
3  abc  6.0001  0.0000

- BENY

---

谢谢，但现在“a”列全部是NaN。 - campo

@campo 添加 combine_first :-) - BENY

非常聪明！非常感谢Wen。似乎您也不需要将其转换为整数： df.add((df.select_dtypes(exclude=object)>0)*.001).combine_first(df) - campo

@campo 是的，我们不需要那一步 :-) - BENY

Answer 3

您只能添加列b和c。

df[["b", "c"]] += np.where(df[["b", "c"]] > 0, 0.01, 0)

我们使用np.where来填充0以绕过数据中的np.nan。

Anton vBR有一种优雅的方法来选择所需的列。

- Tai

---

是的，这正是我在寻找的。 - Anton vBR