---

那年夏天我和你躲在 這一大片寧靜的海
直到后來我們都還在 對這個世界充滿期待
今年冬天你已經不在 我的心空出了一塊
很高興遇見你 讓我終究明白
回憶比真實精彩
?????????????????????🎵 王心凌《那年夏天寧靜的海》

---

在數據分析中，Pandas 是一個強大且靈活的工具包，為數據操作和分析提供了豐富的功能。where 方法是 Pandas 中一個非常實用的功能，它允許我們基于條件篩選和處理數據。本文將詳細介紹 where 方法的用法，幫助你在數據處理中更高效地進行條件篩選和替換操作。

什么是 where 方法？

where 方法用于基于一個布爾條件篩選 DataFrame 或 Series 中的元素。它保留滿足條件的元素，對于不滿足條件的元素，where 方法可以將其替換為指定的值（默認情況下為 NaN）。

where 方法的基本語法

DataFrame.where(cond, other=nan, inplace=False, axis=None, level=None, errors='raise', try_cast=False)

cond: 一個布爾條件，可以是 DataFrame 或 Series。元素為 True 的位置會保留原值，False 的位置會被替換。
other: 替換值，默認是 NaN。
inplace: 是否在原 DataFrame 上進行操作，默認為 False。如果設為 True，將在原 DataFrame 上進行修改。
axis: 應用條件的軸，默認為 None。
level: 如果目標是 MultiIndex（層次化索引），可以指定級別。
errors: 錯誤處理方式，默認為 ‘raise’。
try_cast: 嘗試轉換到相同的類型，默認為 False。

基本用法示例

以下是一些具體示例，展示如何在不同場景下使用 where 方法。

示例 1：基于條件篩選

假設我們有一個包含學生成績的 DataFrame，我們希望篩選出所有及格（分數>=60）的成績，其余的替換為 NaN。

import pandas as pd
import numpy as npdata = {'Math': [58, 80, 90, 45, 60], 'English': [75, 65, 50, 80, 85]}
df = pd.DataFrame(data)# 使用 where 方法進行條件篩選
df_passing = df.where(df >= 60)
print(df_passing)

輸出：

   Math  English
0   NaN     75.0
1  80.0     65.0
2  90.0      NaN
3   NaN     80.0
4  60.0     85.0

示例 2：指定替換值

我們可以指定一個替換值，而不是默認的 NaN。例如，將不及格的成績替換為 0。

df_passing = df.where(df >= 60, other=0)
print(df_passing)

輸出：

   Math  English
0     0       75
1    80       65
2    90        0
3     0       80
4    60       85

示例 3：多重條件篩選

我們可以基于多個條件進行篩選。例如，將數學和英語成績都及格的學生成績保留，其余替換為 NaN。

df_passing = df.where((df['Math'] >= 60) & (df['English'] >= 60))
print(df_passing)

輸出：

   Math  English
0   NaN     75.0
1  80.0     65.0
2   NaN      NaN
3   NaN      NaN
4  60.0     85.0

示例 4：在原 DataFrame 上進行操作

如果我們希望在原 DataFrame 上直接進行修改，可以使用 inplace=True。

df.where(df >= 60, other=0, inplace=True)
print(df)

輸出：

   Math  English
0     0       75
1    80       65
2    90        0
3     0       80
4    60       85

總結

Pandas 的 where 方法是一個功能強大的工具，用于基于條件篩選和替換數據。它不僅可以幫助我們快速篩選滿足特定條件的數據，還能靈活地處理不滿足條件的數據。通過本文的介紹，希望你能在實際數據處理中更好地應用 where 方法，提高數據處理的效率和準確性。無論是進行簡單的條件篩選還是復雜的多重條件處理，where 方法都能為你的數據分析工作提供極大的便利。