Pandas2.2 DataFrame

Indexing, iteration

方法	描述
DataFrame.head([n])	用于返回 DataFrame 的前幾行
DataFrame.at	快速訪問和修改 DataFrame 中單個值的方法
DataFrame.iat	快速訪問和修改 DataFrame 中單個值的方法
DataFrame.loc	用于基于標簽（行標簽和列標簽）來訪問和修改 DataFrame 中的數據
DataFrame.iloc	用于基于整數位置（行號和列號）來訪問和修改 DataFrame 中的數據
DataFrame.insert(loc, column, value[, …])	用于在 DataFrame 的指定位置插入一個新的列
DataFrame.iter()	用于迭代 DataFrame 的列名
DataFrame.items()	用于迭代 DataFrame 的列名和列數據
DataFrame.keys()	返回 DataFrame 的列名
DataFrame.iterrows()	用于逐行迭代 DataFrame
DataFrame.itertuples([index, name])	用于逐行迭代 DataFrame
DataFrame.pop(item)	用于從 DataFrame 中刪除指定列
DataFrame.tail([n])	用于返回 DataFrame 的最后 n 行
DataFrame.xs(key[, axis, level, drop_level])	用于從 DataFrame 中提取一個橫截面（cross-section）
DataFrame.get(key[, default])	用于從 DataFrame 中獲取指定列的數據
DataFrame.isin(values)	用于檢查 DataFrame 中的每個元素是否包含在指定的值集合中
DataFrame.where(cond[, other, inplace, …])	用于根據條件篩選 DataFrame 中的元素

pandas.DataFrame.where()

pandas.DataFrame.where(cond, other=nan, *, inplace=False, axis=None, level=None) 方法用于根據條件篩選 DataFrame 中的元素。如果條件為 True，則保留元素；如果條件為 False，則用 other 參數指定的值替換該元素。

參數

• cond：布爾條件，可以是布爾值、布爾數組、布爾 DataFrame 或布爾 Series。
• other：可選參數，當條件為 False 時使用的值。默認為 NaN。
• inplace：布爾值，如果為 True，則直接在原 DataFrame 上進行修改，否則返回一個新的 DataFrame。默認為 False。
• axis：指定軸，0 或 'index' 表示按行，1 或 'columns' 表示按列。默認為 None。
• level：如果索引是多級索引，指定要使用的級別。默認為 None。

返回值

• 如果 inplace=False，返回一個新的 DataFrame。
• 如果 inplace=True，返回 None。

示例

假設我們有一個 DataFrame 如下：

import pandas as pd
import numpy as npdata = {'A': [1, 2, 3, 4],'B': [5, 6, 7, 8]
}df = pd.DataFrame(data)
print("原始 DataFrame:")
print(df)

輸出：

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

示例 1：使用布爾條件替換值

將 A 列中大于 2 的值替換為 NaN：

result = df.where(df['A'] <= 2)
print("\n將 A 列中大于 2 的值替換為 NaN:")
print(result)

輸出：

將 A 列中大于 2 的值替換為 NaN:A    B
0  1.0  5.0
1  2.0  6.0
2  NaN  NaN
3  NaN  NaN

示例 2：使用布爾條件和自定義替換值

將 A 列中大于 2 的值替換為 0：

result = df.where(df['A'] <= 2, other=0)
print("\n將 A 列中大于 2 的值替換為 0:")
print(result)

輸出：

將 A 列中大于 2 的值替換為 0:A  B
0  1  5
1  2  6
2  0  0
3  0  0

示例 3：使用布爾 DataFrame 替換值

將 A 列中大于 2 的值替換為 NaN，B 列中大于 6 的值替換為 NaN：

cond = (df['A'] <= 2) & (df['B'] <= 6)
result = df.where(cond)
print("\n將 A 列中大于 2 的值和 B 列中大于 6 的值替換為 NaN:")
print(result)

輸出：

將 A 列中大于 2 的值和 B 列中大于 6 的值替換為 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

將 A 列中大于 2 的值替換為 0，直接修改原 DataFrame：

df.where(df['A'] <= 2, other=0, inplace=True)
print("\n直接修改原 DataFrame:")
print(df)

輸出：

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

示例 5：使用多級索引

假設我們有一個多級索引的 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)

輸出：

原始 DataFrame:A  B
first second       
a     x       1  5y       2  6
b     x       0  0y       0  0

使用 where 方法并指定 level 參數：

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

輸出：

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

總結

pandas.DataFrame.where 方法提供了一種靈活的方式來根據條件篩選和替換 DataFrame 中的元素。你可以使用布爾條件、布爾數組或布爾 DataFrame 來指定哪些元素需要保留，哪些需要替換。通過 other 參數可以指定替換的值，默認為 NaN。inplace 參數允許你選擇是否直接修改原 DataFrame。這對于數據清洗和預處理非常有用。