pandas DataFrame mask的具体使用

Pandas2.2 DataFrame

Indexing, iteration

pandas.DataFrame.mask()

pandas.DataFrame.mask(cond, other=<no_default>, *, inplace=False, axis=None, level=None) 方法用于根据条件筛选 DataFrame 中的元素。如果条件为 True，则用 other 参数指定的值替换该元素；如果条件为 False，则保留原值。

参数

• cond：布尔条件，可以是布尔值、布尔数组、布尔 DataFrame 或布尔 Series。
• other：可选参数，当条件为 True 时使用的值。默认为 NaN。
• inplace：布尔值，如果为 True，则直接在原 DataFrame 上进行修改，否则返回一个新的 DataFrame。默认为 False。
• axis：指定轴，0 或 'index' 表示按行，1 或 'columns' 表示按列。默认为 None。
• level：如果索引是多级索引，指定要使用的级别。默认为 None。

返回值

• 如果 inplace=False，返回一个新的 DataFrame。
• 如果 inplace=True，返回 None。

示例

假设我们有一个 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)

输出：

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

示例 1：使用布尔条件替换值

将 A 列中大于 2 的值替换为 NaN：

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

输出：

将 A 列中大于 2 的值替换为 NaN:
     A    B
0  1.0  5.0
1  2.0  6.0
2  NaN  7.0
3  NaN  8.0

示例 2：使用布尔条件和自定义替换值

将 A 列中大于 2 的值替换为 0：

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

输出：

将 A 列中大于 2 的值替换为 0:
   A  B
0  1  5
1  2  6
2  0  7
3  0  8

示例 3：使用布尔 DataFrame 替换值

将 A 列中大于 2 的值替换为 NaN，B 列中大于 6 的值替换为 NaN：

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

输出：

将 A 列中大于 2 的值和 B 列中大于 6 的值替换为 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

将 A 列中大于 2 的值替换为 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)

输出：

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

示例 5：使用多级索引

假设我们有一个多级索引的 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)

输出：

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 参数：

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

输出：

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

总结

pandas.DataFrame.mask 方法提供了一种灵活的方式来根据条件筛选和替换 DataFrame 中的元素。你可以使用布尔条件、布尔数组或布尔 DataFrame 来指定哪些元素需要替换，哪些需要保留。通过 other 参数可以指定替换的值，默认为 NaN。inplace 参数允许你选择是否直接修改原 DataFrame。这对于数据清洗和预处理非常有用。

到此这篇关于pandas DataFrame mask的具体使用的文章就介绍到这了,更多相关pandas DataFrame mask内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

最新评论