遍历行时如何使用掩码更新 DataFrame 中的值

Question

使用下面的代码，我试图在触发 if 语句并放置预测时将列 df_test['placed'] 更新为 = 1。不过，我无法让它正确更新，代码编译但不会更新为 = 1 对于放置的相应预测。

df_test['placed'] = np.zeros(len(df_test))
for i in set(df_test['id']) :
    mask = df_test['id']==i
    predictions = lm.predict(X_test[mask])
    j = np.argmax(predictions)
    if predictions[j] > 0 :
        df_test['placed'][mask][j] = 1
        print(df_test['placed'][mask][j])

Answer 1

回答您的问题

编辑：根据评论更改了建议

代码的赋值部分 df_test['placed'][mask][j] = 1 使用所谓的 chained indexing。简而言之，您的作业仅更改立即丢弃的 DataFrame 的临时副本，而不会更改原始 DataFrame。

为避免这种情况，赋值时的经验法则是：在单个 DataFrame 上仅使用一组方括号。对于您的问题，应该如下所示：

df_test.loc[mask.nonzero()[0][j], 'placed'] = 1

（我知道 mask.nonzero() 使用两组方括号；实际上 nonzero() returns 一个元组，该元组的第一个元素是一个 ndarray .但是dataframe只用了一组，那才是最重要的部分。）

其他一些注意事项

我有一些关于使用 pandas (& numpy) 的笔记。

• Pandas 和 NumPy 都有一个叫做 广播 的特性。基本上，如果您要为整个数组分配一个值，则不需要先创建一个相同大小的数组；您可以只分配单个值，pandas/NumPy 会自动为您计算出如何应用它。所以你的代码的第一行可以用df_test['placed'] = 0代替，它完成同样的事情。

• 一般来说 在使用 pandas & numpy 对象时，循环不好；通常你可以找到一种方法来使用广播、逐元素操作和布尔索引的某种组合做一个循环会做的事情。由于这些功能的设计方式，它 运行 也会快很多。不幸的是，我对 lm.predict 方法不够熟悉，但您可以完全避免此代码的整个 for 循环。