有条件替换 Pandas

.ix 索引器适用于 0.20.0 之前的 pandas 版本，但由于 pandas 0.20.0，.ix 索引器是 deprecated，因此您应该避免使用它。相反，您可以使用 .loc 或 iloc 索引器。您可以通过以下方式解决此问题：

mask = df.my_channel > 20000
column_name = 'my_channel'
df.loc[mask, column_name] = 0

或者，在一行中，

df.loc[df.my_channel > 20000, 'my_channel'] = 0

mask 帮助您选择 df.my_channel > 20000 为 True 的行，而 df.loc[mask, column_name] = 0 将值 0 设置为所选行，其中 mask 保存在名称为 column_name 的列中。

更新：在这种情况下，您应该使用 loc，因为如果您使用 iloc，您会得到一个 NotImplementedError，告诉您 基于 iLocation 的整数类型的布尔索引不是可用。

---

尝试

df.loc[df.my_channel > 20000, 'my_channel'] = 0

注意： 从 v0.20.0 开始，ix has been deprecated 支持 loc / iloc。

---

np.where 函数的工作原理如下：

df['X'] = np.where(df['Y']>=50, 'yes', 'no')

在你的情况下，你会想要：

import numpy as np
df['my_channel'] = np.where(df.my_channel > 20000, 0, df.my_channel)

---

您的原始数据框未更新的原因是因为 chained indexing 可能会导致您修改副本而不是您的数据框的视图。 docs 给出这个建议：

在 pandas 对象中设置值时，必须注意避免所谓的链式索引。

你有几个选择： -

loc + 布尔索引

loc 可用于设置值并支持布尔掩码：

df.loc[df['my_channel'] > 20000, 'my_channel'] = 0

掩码 + 布尔索引

您可以分配给您的系列：

df['my_channel'] = df['my_channel'].mask(df['my_channel'] > 20000, 0)

或者您可以就地更新您的系列：

df['my_channel'].mask(df['my_channel'] > 20000, 0, inplace=True)

np.where + 布尔索引

当您的条件不满足时，您可以通过分配您的原始系列来使用 NumPy；但是，前两个解决方案更简洁，因为它们仅显式更改指定的值。

df['my_channel'] = np.where(df['my_channel'] > 20000, 0, df['my_channel'])

---

尝试这个：

df.my_channel = df.my_channel.where(df.my_channel <= 20000, other= 0)

或者

df.my_channel = df.my_channel.mask(df.my_channel > 20000, other= 0)

---

我会在 DataFrame 的 Series 上使用 lambda 函数，如下所示：

f = lambda x: 0 if x>100 else 1
df['my_column'] = df['my_column'].map(f)

我不断言这是一种有效的方法，但它工作正常。

---