0
我試圖有條件地降行了大熊貓據幀,用語法如:熊貓條件下降
if ((df['Column_1'] == 'value_1') & (df['Column_2'] == 'value_2')):
df['Columns_3'] == df['Column_4']
else:
df.drop()
在此先感謝您的幫助。
我試圖有條件地降行了大熊貓據幀,用語法如:熊貓條件下降
if ((df['Column_1'] == 'value_1') & (df['Column_2'] == 'value_2')):
df['Columns_3'] == df['Column_4']
else:
df.drop()
在此先感謝您的幫助。
試着這麼做
df = df.drop(df[(df['Column1'] != 'value_1') & (df['Colum2'] != 'value_2')].index)
df['Column3'] = df['Column4']
df.loc[(df['Column_1'] == 'value_1') & (df['Column_2'] == 'value_2'),'Column3'] = df.loc[(df['Column_1'] == 'value_1') & (df['Column_2'] == 'value_2'),'Column4']
df = df[df['Column3]==df['Column4']
當大熊貓的工作,最好能進入的嘗試使用一些實踐內置的C循環功能。
根據上述條件,還會有更新第3列的方法。儘管如此,我還是需要一個數據集來玩。喜歡的東西...
df['Column3'].update(the_condition)
更新要求的指標排隊
也可以考慮轉換和應用
df['Column3'].transform(the_condition)
或:
df['Column3'].apply(the_condition)
這看起來正確的,但它可以在多種條件下擴展嗎?在if語句和drop之前的文章中說,你有:'elif((df ['Column_1'] =='value_1')&(df ['Column_2']。isin(['value_3','value_4' ,'value_5'])))。all():df ['Column_3'] == df ['Column_5']' – Breton