Pandas2.2 DataFrame

Indexing, iteration

pandas.DataFrame.mask()

pandas.DataFrame.mask(cond, other=<no_default>, *, inplace=False, axis=None, level=None) 方法用于根據(jù)條件篩選 DataFrame 中的元素。如果條件為 True，則用 other 參數(shù)指定的值替換該元素；如果條件為 False，則保留原值。

參數(shù)

• cond：布爾條件，可以是布爾值、布爾數(shù)組、布爾 DataFrame 或布爾 Series。
• other：可選參數(shù)，當(dāng)條件為 True 時(shí)使用的值。默認(rèn)為 NaN。
• inplace：布爾值，如果為 True，則直接在原 DataFrame 上進(jìn)行修改，否則返回一個(gè)新的 DataFrame。默認(rèn)為 False。
• axis：指定軸，0 或 'index' 表示按行，1 或 'columns' 表示按列。默認(rèn)為 None。
• level：如果索引是多級(jí)索引，指定要使用的級(jí)別。默認(rèn)為 None。

返回值

• 如果 inplace=False，返回一個(gè)新的 DataFrame。
• 如果 inplace=True，返回 None。

示例

假設(shè)我們有一個(gè) DataFrame 如下：

import pandas as pd
import numpy as np

data = {
    'A': [1, 2, 3, 4],
    'B': [5, 6, 7, 8]
}

df = pd.DataFrame(data)
print("原始 DataFrame:")
print(df)

輸出：

原始 DataFrame:
   A  B
0  1  5
1  2  6
2  3  7
3  4  8

示例 1：使用布爾條件替換值

將 A 列中大于 2 的值替換為 NaN：

result = df.mask(df['A'] > 2)
print("\n將 A 列中大于 2 的值替換為 NaN:")
print(result)

輸出：

將 A 列中大于 2 的值替換為 NaN:
     A    B
0  1.0  5.0
1  2.0  6.0
2  NaN  7.0
3  NaN  8.0

示例 2：使用布爾條件和自定義替換值

將 A 列中大于 2 的值替換為 0：

result = df.mask(df['A'] > 2, other=0)
print("\n將 A 列中大于 2 的值替換為 0:")
print(result)

輸出：

將 A 列中大于 2 的值替換為 0:
   A  B
0  1  5
1  2  6
2  0  7
3  0  8

示例 3：使用布爾 DataFrame 替換值

將 A 列中大于 2 的值替換為 NaN，B 列中大于 6 的值替換為 NaN：

cond = (df['A'] > 2) | (df['B'] > 6)
result = df.mask(cond)
print("\n將 A 列中大于 2 的值和 B 列中大于 6 的值替換為 NaN:")
print(result)

輸出：

將 A 列中大于 2 的值和 B 列中大于 6 的值替換為 NaN:
     A    B
0  1.0  5.0
1  2.0  6.0
2  NaN  NaN
3  NaN  NaN

示例 4：使用 inplace=True 直接修改原 DataFrame

將 A 列中大于 2 的值替換為 0，直接修改原 DataFrame：

df.mask(df['A'] > 2, other=0, inplace=True)
print("\n直接修改原 DataFrame:")
print(df)

輸出：

直接修改原 DataFrame:
   A  B
0  1  5
1  2  6
2  0  7
3  0  8

示例 5：使用多級(jí)索引

假設(shè)我們有一個(gè)多級(jí)索引的 DataFrame：

index = pd.MultiIndex.from_tuples([('a', 'x'), ('a', 'y'), ('b', 'x'), ('b', 'y')], names=['first', 'second'])
df = pd.DataFrame(data, index=index)
print("原始 DataFrame:")
print(df)

輸出：

原始 DataFrame:
              A  B
first second       
a     x       1  5
      y       2  6
b     x       0  0
      y       0  0

使用 mask 方法并指定 level 參數(shù)：

result = df.mask(df['A'] > 2, level='first')
print("\n使用 mask 方法并指定 level 參數(shù):")
print(result)

輸出：

使用 mask 方法并指定 level 參數(shù):
              A    B
first second       
a     x    1.0  5.0
      y    2.0  6.0
b     x    NaN  NaN
      y    NaN  NaN

總結(jié)

pandas.DataFrame.mask 方法提供了一種靈活的方式來(lái)根據(jù)條件篩選和替換 DataFrame 中的元素。你可以使用布爾條件、布爾數(shù)組或布爾 DataFrame 來(lái)指定哪些元素需要替換，哪些需要保留。通過(guò) other 參數(shù)可以指定替換的值，默認(rèn)為 NaN。inplace 參數(shù)允許你選擇是否直接修改原 DataFrame。這對(duì)于數(shù)據(jù)清洗和預(yù)處理非常有用。

到此這篇關(guān)于pandas DataFrame mask的具體使用的文章就介紹到這了,更多相關(guān)pandas DataFrame mask內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評(píng)論