Pandas 在满足条件的情况下更新行值

在本文中，我们将介绍如何在 Pandas 数据框(DataFrame)中满足特定条件时更新行值。

阅读更多：Pandas 教程

Pandas数据框（DataFrame）

Pandas 是一个强大的数据处理工具，它提供了强大的数据框DataFrame来处理各种大小的数据集。DataFrames由行和列组成，类似于电子表格。

以下是一个 Pandas 数据框的示例：

如何用 Pandas 更改满足特定条件时的行值？

当您使用 Pandas 时，有时您需要根据特定条件更改数据框中的值。这可以通过将条件直接应用于数据框并使用 loc 函数来实现。

以下是更改示例。假设我们想增加所有 30 岁以上的员工的薪水5,000美元：

import pandas as pd

data = {'Name': ['John Smith', 'Jane Doe', 'Joseph Lee'], 
        'Age': [24, 28, 32], 
        'Gender': ['Male', 'Female', 'Male'], 
        'Salary': [45000, 55000, 75000]}
df = pd.DataFrame(data)

df.loc[df['Age'] >= 30, 'Salary'] += 5000

print(df)

输出：

          Name  Age  Gender  Salary
0   John Smith   24    Male   45000
1     Jane Doe   28  Female   55000
2   Joseph Lee   32    Male   80000

我们使用 loc 函数来选择所有“年龄 >= 30”的记录，并使用“+=”运算符将 Salary 值增加了 5000 美元。

在上述示例中，条件被评估并用作 DataFrame 中索引的一部分。 loc 函数将更新DataFrame 中符合条件的记录的 Salary 值。

请注意，我们使用 += 运算符分配了 Salary 值的增量。这更新了数据框，并使更改直接反映在原始数据中。

假设我们要将所有女性员工的薪水减少5,000美元，同时将男性员工的薪水增加5,000美元：

df.loc[df['Gender'] == 'Female', 'Salary'] -= 5000
df.loc[df['Gender'] == 'Male', 'Salary'] += 5000

print(df)

输出：

          Name  Age  Gender  Salary
0   John Smith   24    Male   50000
1     Jane Doe   28  Female  50000
2   Joseph Lee   32    Male  85000

总结

在这篇文章中，我们展示了如何使用 Pandas 在满足特定条件时更新行值。

• loc 函数可用于选择符合条件的行
• 一般情况下可使用+=、-=运算符来更新行值
• 通过此术语的练习您可以更好地理解如何使用 Pandas 处理数据。

Happy learning！