Python If-then 命令上的 Pandas答案

【问题标题】：Pandas on Python If-then commandPython If-then 命令上的 Pandas
【发布时间】：2018-10-24 12:40:57
【问题描述】：

我有如下代码

GU_ES3['Qnd'] = GU_ES3['Qnd,hw_m2'] * GU_ES3['UPOR']

我发现GU_ES3['UPOR'] 中的某些值是空白的。在这种情况下，我想调用其他列，例如GU_ES3['NPOR']，但仅在这种情况下GU_ES3['UPOR'] 列中的值为0 或NaN。

你能帮帮我吗？

【问题讨论】：

【解决方案1】：

你想要

对于 (2)，您可以将 0 替换为 NaN，对于 (1)，您可以使用 pd.Series.fillna 将 UPOR 中的 NaN 填充为 NPOR，但仅限于 NaN。

i = GU_ES3['Qnd,hw_m2']
j = GU_ES3['UPOR'].replace(0, np.nan).fillna(GU_ES3['NPOR'])
GU_ES3['Qnd'] = i * j

或者，您可以使用np.where 来执行替换：

GU_ES3['Qnd'] = GU_ES3['Qnd,hw_m2'] * np.where(
    GU_ES3['UPOR'].replace({0 : np.nan}).isna(), GU_ES3['NPOR'], GU_ES3['UPOR']
)

请注意，对于替换，例如，如果您还想替换 1、2 或 3，则只需在代码中使用 .replace(dict.fromkeys([1, 2, 3], np.nan))。

【讨论】：

这是一个看起来很干净的解决方案，但是使用 where 语句（df.where 或 np.where）并检查 0 或 np.nan 不是更容易吗？只需将 where 语句中的值设置为另一列的值？
@GrantWilliams 他们只是做同一件事的两种方式。如果不更换，则需要两个条件。如果你想以同样的方式对待两件以上的事情，你将需要更多。最好先更换后忘记。
我绝对认为您的解决方案是最有趣的并且看起来最优雅，但我很好奇它们之间对于大型数据集是否有任何大的性能差异。我假设 pandas 能够使用带有 where 类型语句的逻辑索引
@GrantWilliams 当然，可能会有。 replace 和 fillna 都不是以出色的性能而闻名。 OP 最好的做法是根据他们的数据测试这些解决方案，并找出最有效的解决方案。顺便说一句，我自己添加了一个np.where 替代方案。
我绝对喜欢您的解决方案，并且不希望它看起来像我说它不那么好或任何东西。我只是利用任何机会在这些类型的问题上学习一些技术上的权衡。认为这是一个很好的学习机会

【解决方案2】：

尝试使用pd.Series.where：

GU_ES3['Qnd'] = GU_ES3['Qnd,hw_m2'] * GU_ES3['UPOR'].where(~GU_ES3['UPOR'].isnull() & (GU_ES3['UPOR'] != 0), other=GU_ES3['NPOR'])

【讨论】：