【问题标题】：How do I update value in DataFrame with mask when iterating through rows遍历行时如何使用掩码更新 DataFrame 中的值
【发布时间】：2019-05-16 07:00:21
【问题描述】：

使用下面的代码，当触发 if 语句并放置预测时，我试图将列 df_test['placed'] 更新为 = 1。虽然我无法让它正确更新，但代码编译但不会更新为 = 1 用于放置的相应预测。

df_test['placed'] = np.zeros(len(df_test))
for i in set(df_test['id']) :
    mask = df_test['id']==i
    predictions = lm.predict(X_test[mask])
    j = np.argmax(predictions)
    if predictions[j] > 0 :
        df_test['placed'][mask][j] = 1
        print(df_test['placed'][mask][j])

【问题讨论】：

标签： python pandas dataframe mask

【解决方案1】：

回答您的问题

编辑：根据 cmets 更改建议

代码的赋值部分df_test['placed'][mask][j] = 1 使用所谓的chained indexing。简而言之，您的分配只会更改立即丢弃的 DataFrame 的 临时副本，而不会更改原始 DataFrame。

为避免这种情况，分配时的经验法则是：在单个 DataFrame 上仅使用一组方括号。对于您的问题，应该如下所示：

df_test.loc[mask.nonzero()[0][j], 'placed'] = 1

（我知道mask.nonzero() 使用两组方括号；实际上nonzero() 返回一个元组，该元组的第一个元素是一个 ndarray。但数据框只使用一组，这就是重要的部分。）

其他一些说明

关于使用 pandas (& numpy)，我有几个注意事项。

Pandas 和 NumPy 都有一个名为广播的功能。基本上，如果您为整个数组分配单个值，则不需要先创建一个相同大小的数组；您可以只分配单个值，pandas/NumPy 会自动为您计算出如何应用它。所以你的代码的第一行可以替换为df_test['placed'] = 0，它完成了同样的事情。
一般来说在处理 pandas 和 numpy 对象时，循环不好；通常你可以找到一种方法来使用广播、元素操作和布尔索引的组合来完成循环的工作。而且由于这些功能的设计方式，它的运行速度也会快得多。不幸的是，我对lm.predict 方法说的不够熟悉，但您可能可以完全避免整个for-loop。

【讨论】：

不幸的是，输出仍然不起作用，虽然它更新了一些值到 1，但它应用的 1 比代码中实际预期的要多得多，我想我可能需要通过某个地方传递 [j] ，但是当我这样做时： ValueError: cannot reindex from a duplicate axis
是的，听起来不错 T-T j 是 DataFrame 的行索引吗？如果是这样，请尝试df_test.loc[j, 'placed']。（基本思想是，您应该只使用一组方括号。）
我想我需要两者，掩码通过 set() 将“id”分组在一起，然后 j 返回 max() 预测的每组中的位置。有没有办法在 .loc[] 中同时通过？
当然，我刚刚在我的答案中编辑了我认为应该起作用的内容（如果我正确理解了j）。