pandas 列上的 LOC 函数
LOC function on pandas column
我创建了一个代码,如下所示:
check = ['jonge man']
data.loc[
data['Zoekterm'].str.contains(
f"{'|'.join(check)}"
),"Zoekterm_new",
data['Zoekterm']
我收到太多索引器错误
我做错了什么
使用 DataFrame.loc
和列名的第二个参数,例如:
data.loc[data['Zoekterm'].str.contains(f"{'|'.join(check)}"), "Zoekterm_new"]
如果需要分配值添加 =
- 所以对于 Zoekterm_new
如果匹配条件则添加来自 Zoekterm
的数据,否则 NaN
:
data.loc[data['Zoekterm'].str.contains(f"{'|'.join(check)}"), "Zoekterm_new"] = data['Zoekterm']
像这样工作:
data["Zoekterm_new"] = np.where(data['Zoekterm'].str.contains(f"{'|'.join(check)}"), data['Zoekterm'], np.NaN)
我创建了一个代码,如下所示:
check = ['jonge man']
data.loc[
data['Zoekterm'].str.contains(
f"{'|'.join(check)}"
),"Zoekterm_new",
data['Zoekterm']
我收到太多索引器错误 我做错了什么
使用 DataFrame.loc
和列名的第二个参数,例如:
data.loc[data['Zoekterm'].str.contains(f"{'|'.join(check)}"), "Zoekterm_new"]
如果需要分配值添加 =
- 所以对于 Zoekterm_new
如果匹配条件则添加来自 Zoekterm
的数据,否则 NaN
:
data.loc[data['Zoekterm'].str.contains(f"{'|'.join(check)}"), "Zoekterm_new"] = data['Zoekterm']
像这样工作:
data["Zoekterm_new"] = np.where(data['Zoekterm'].str.contains(f"{'|'.join(check)}"), data['Zoekterm'], np.NaN)