根据条件更改列的值：Pandas

Question

我有以下信息。

假设我有以下列表。

my_list = [2,3,4,5]

我的数据框如下：

df

Col1      Value
[2,3,6]    Hot
[7]        Mild
[10,11]    Cool
[5,9]      Cool
[2,5,6]    Mild

我想检查列表 my_list 中的一个值是否存在于列 Col1 中。如果存在，则将相应行的Value列中的值更改为Mild。但如果值为Hot，请保持原样。

我希望看到类似下面的内容。

Col1      Value
[2,3,6]    Hot
[7]        Mild
[10,11]    Cool
[5,9]      Mild
[2,5,6]    Mild

我只是在寻找一个简单的脚本，它可以迭代并检查每一行，并在对应行的另一列中更改一个值。

我试过了。

df["Value"] =(d["Value"].apply(lambda x: "Mild" if  len(set(x["Col1"]).intersection(my_list)) >0 
                                            and (x["Value"] != 'Hot') else x["Value"],axis=1) )                           

有人可以帮忙吗？

Answer 1

我们可以使用set.isdisjoint 来检查列表是否不相交，然后使用布尔索引和loc 来更新值

m1 = df['Value'] != 'Hot'
m2 = df['Col1'].map(set(my_list).isdisjoint)

df.loc[m1 & ~m2, 'Value'] = 'Mild'

---

        Col1 Value
0  [2, 3, 6]   Hot
1        [7]  Mild
2   [10, 11]  Cool
3     [5, 9]  Mild
4  [2, 5, 6]  Mild

Answer 2

在检查Col1 值在my_list 中之前，使用mask 隐藏具有Hot 值然后explode 数据框的行：

df.loc[df.mask(df['Value'].eq('Hot')).explode('Col1').isin(my_list)
         .groupby(level=0)['Col1'].any(), 'Value'] = 'Mild'
print(df)

# Output:
        Col1 Value
0  [2, 3, 6]   Hot
1        [7]  Mild
2   [10, 11]  Cool
3     [5, 9]  Mild
4  [2, 5, 6]  Mild

Answer 3

方法和your previous question几乎一模一样，只是改变一个条件：

match = df['Col1'].explode().isin(my_list).groupby(level=0).any()
df['Value'] = df['Value'].mask(match & df['Value'].ne('Hot'), 'Mild')

输出：

        Col1 Value
0  [2, 3, 6]   Hot
1        [7]  Mild
2   [10, 11]  Cool
3     [5, 9]  Mild
4  [2, 5, 6]  Mild