我有一个 DataFrame，我想用零替换特定列中超过某个值的值。我曾认为这是实现这一目标的一种方式：
df[df.my_channel > 20000].my_channel = 0
如果我将频道复制到一个新的数据框中，这很简单：
df2 = df.my_channel
df2[df2 > 20000] = 0
这正是我想要的，但似乎不适用于作为原始 DataFrame 一部分的通道。
【问题讨论】：
标签： python pandas replace conditional-statements series
试试
df.loc[df.my_channel > 20000, 'my_channel'] = 0
注意：从 v0.20.0 开始，ix has been deprecated 支持 loc / iloc。
【讨论】：
.ix 索引器适用于 0.20.0 之前的 pandas 版本，但由于 pandas 0.20.0，.ix 索引器是 deprecated，所以你应该避免使用它。相反，您可以使用.loc 或iloc 索引器。您可以通过以下方式解决此问题：
mask = df.my_channel > 20000
column_name = 'my_channel'
df.loc[mask, column_name] = 0
或者，在一行中，
df.loc[df.my_channel > 20000, 'my_channel'] = 0
mask 帮助您选择df.my_channel > 20000 为True 的行，而df.loc[mask, column_name] = 0 将值0 设置为mask 保存在名称为column_name 的列中的选定行。
更新：
在这种情况下，您应该使用loc，因为如果您使用iloc，您将收到NotImplementedError，告诉您基于iLocation 的整数类型的布尔索引不可用。
【讨论】：
np.where函数工作原理如下：
df['X'] = np.where(df['Y']>=50, 'yes', 'no')
在你的情况下，你会想要：
import numpy as np
df['my_channel'] = np.where(df.my_channel > 20000, 0, df.my_channel)
【讨论】：
我会在Series 的Series 上使用lambda 函数，如下所示：
f = lambda x: 0 if x>100 else 1
df['my_column'] = df['my_column'].map(f)
我不断言这是一种有效的方法，但它工作正常。
【讨论】：
loc，比如df.loc[: , 'my_column'] = df['my_column'].map(f)。不知道是不是和你下面加的一样快。
原始数据框未更新的原因是chained indexing 可能会导致您修改副本而不是数据框的视图。 docs 给出这个建议：
在 pandas 对象中设置值时，必须小心避免 什么叫做链式索引。
你有几个选择：-
loc + 布尔索引loc 可用于设置值并支持布尔掩码：
df.loc[df['my_channel'] > 20000, 'my_channel'] = 0
mask + 布尔索引您可以分配给您的系列：
df['my_channel'] = df['my_channel'].mask(df['my_channel'] > 20000, 0)
或者您可以就地更新您的系列：
df['my_channel'].mask(df['my_channel'] > 20000, 0, inplace=True)
np.where + 布尔索引当您的条件不满足时，您可以通过分配您的原始系列来使用 NumPy；但是，前两个解决方案更简洁，因为它们仅显式更改指定的值。
df['my_channel'] = np.where(df['my_channel'] > 20000, 0, df['my_channel'])
【讨论】：
试试这个：
df.my_channel = df.my_channel.where(df.my_channel <= 20000, other= 0)
或
df.my_channel = df.my_channel.mask(df.my_channel > 20000, other= 0)
【讨论】：