35

我想用零替换 pandas DataFrame 列中的负值。

有没有更简洁的方法来构造这个表达式？

df['value'][df['value'] < 0] = 0
4

7 回答 7

25

您可以使用剪辑方法：

import pandas as pd
import numpy as np
df = pd.DataFrame({'value': np.arange(-5,5)})
df['value'] = df['value'].clip(0, None)
print(df)

产量

   value
0      0
1      0
2      0
3      0
4      0
5      0
6      1
7      2
8      3
9      4
于 2013-06-12T14:44:48.590 回答
21

另一种可能是numpy.maximum()。在我看来，这更容易阅读。

import pandas as pd
import numpy as np
df['value'] = np.maximum(df.value, 0)

它也比所有其他方法快得多。

df_orig = pd.DataFrame({'value': np.arange(-1000000, 1000000)})

df = df_orig.copy()
%timeit df['value'] = np.maximum(df.value, 0)
# 100 loops, best of 3: 8.36 ms per loop

df = df_orig.copy()
%timeit df['value'] = np.where(df.value < 0, 0, df.value)
# 100 loops, best of 3: 10.1 ms per loop

df = df_orig.copy()
%timeit df['value'] = df.value.clip(0, None)
# 100 loops, best of 3: 14.1 ms per loop

df = df_orig.copy()
%timeit df['value'] = df.value.clip_lower(0)
# 100 loops, best of 3: 14.2 ms per loop

df = df_orig.copy()
%timeit df.loc[df.value < 0, 'value'] = 0
# 10 loops, best of 3: 62.7 ms per loop

（笔记本）

于 2015-10-07T19:38:26.177 回答
20

这是执行此操作的规范方式，虽然不一定更简洁，但更灵活（因为您可以将其应用于任意列）

In [39]: df = DataFrame(randn(5,1),columns=['value'])

In [40]: df
Out[40]: 
      value
0  0.092232
1 -0.472784
2 -1.857964
3 -0.014385
4  0.301531

In [41]: df.loc[df['value']<0,'value'] = 0

In [42]: df
Out[42]: 
      value
0  0.092232
1  0.000000
2  0.000000
3  0.000000
4  0.301531
于 2013-06-12T14:44:08.180 回答
2

或where检查：

>>> import pandas as pd,numpy as np
>>> df = pd.DataFrame(np.random.randn(5,1),columns=['value'])
>>> df
      value
0  1.193313
1 -1.011003
2 -0.399778
3 -0.736607
4 -0.629540
>>> df['value']=df['value'].where(df['value']>0,0)
>>> df
      value
0  1.193313
1  0.000000
2  0.000000
3  0.000000
4  0.000000
>>>
于 2018-10-14T10:08:21.990 回答
1

为了完整np.where起见，这也是一种可能性，这比这里的大多数答案都快。np.maximum答案是最好的方法，因为它比这更快更简洁。

df['value'] = np.where(df.value < 0, 0, df.value)
于 2018-07-12T22:59:38.523 回答
0

让我们只取大于零的值，将那些为负的值保留为 NaN（适用于不带系列的帧），然后进行估算。

df[df > 0].fillna(0)
于 2017-09-26T11:42:23.100 回答
0

df.value.clip_lower(0, inplace=True)np.maximum是最简洁的，并且和这里的其他方法（笔记本）一样快，当然也快。

于 2018-08-06T04:47:51.860 回答