避免多次在 pandas 中编写相同的 .loc

Question

这是一些说明我的问题的代码import pandas as pdimport numpy as np# Create random dataframedf = pd.DataFrame({'col1': np.random.randint(0, 9, 10),                   'col2': np.random.randint(0, 9, 10),                   'col3': np.random.randint(0, 9, 10)})# Can this be written in a better way?df.loc[df['col1'] > df['col2'], 'col3'] = (df.loc[df['col1'] > df['col2'], 'col2'] +                                           df.loc[df['col1'] > df['col2'], 'col3'])基本上，在某些情况下，我想对具有较长条件的数据框进行子集化，并用基于其他列的表达式替换值。这就是我最终写它的方式，但我认为可能有更好的方法来做到这一点

Answer 1

您可以创建一个mask, 在这个特定的求和操作中，您可以通过以下方式进行简化+=：

mask = df['col1'] > df['col2']

df.loc[mask, 'col3'] += df.loc[mask, 'col2']

如果您想创建一个子集，您可以尝试以下操作：

mask = df['col1']>df['col2']

tmp_df = df.loc[mask, ['col2', 'col3']]

# here you could do whatever on tmp_df without modifying df like

tmp_df *= 2 # just as example

# them assign the value back to df only for the rows and columns you want

df.loc[mask, 'col3'] = tmp_df.sum(axis=1)

但是你仍然需要mask在loc'col3'中分配值时。等式右边的操作可能更容易阅读

Answer 2

如果您没有重复的索引，您可以尝试：

df.loc[df['col1'] > df['col2'], 'col3'] = df['col2'] +  df['col3']