entityMap|0|type|LINK|mutability|MUTABLE|data|url|https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.mask.html|1|https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.rename.html|blocks|key|22qrj|text|将DataFrame.mask与DataFrame.rename一起使用为：|unstyled|depth|inlineStyleRanges|offset|length|style|CODE|entityRanges|9t5a1|df[list2]+=+df[list2].mask(df[list1].rename(columns=dict(zip(list1,+list2))).eq(0))

print(df)
+++I++A++B++C++++D++E++++F
0++1++9++4++0++++T++F++NaN
1++2++0++5++1++NaN++X++++J
2++3++1++8++0++++G++G++NaN|code-block|syntax|javascript|3tq19^0|1|E|G|G|1|E|0|G|G|1|0|0^^$0|$1|$2|3|4|5|6|$7|8]]|9|$2|3|4|5|6|$7|A]]]|B|@$C|D|E|F|2|G|H|U|I|@$J|V|K|W|L|M]|$J|X|K|Y|L|M]]|N|@$J|Z|K|10|C|11]|$J|12|K|13|C|14]]|6|$]]|$C|O|E|P|2|Q|H|15|I|@]|N|@]|6|$R|S]]|$C|T|E|-4|2|G|H|16|I|@]|N|@]|6|$]]]]

Use <a href="https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.mask.html" rel="nofollow noreferrer"><code>DataFrame.mask</code></a> with <a href="https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.rename.html" rel="nofollow noreferrer"><code>DataFrame.rename</code></a> as:

<pre><code>df[list2] = df[list2].mask(df[list1].rename(columns=dict(zip(list1, list2))).eq(0))

print(df)
 I A B C D E F
0 1 9 4 0 T F NaN
1 2 0 5 1 NaN X J
2 3 1 8 0 G G NaN
</code></pre>

entityMap|blocks|key|dn7g5|text|首先，我们使用zip从您的两个列表创建一个字典|type|unstyled|depth|inlineStyleRanges|offset|length|style|CODE|entityRanges|data|dlurc|replace_dict+=+dict(zip(list1,list2))|code-block|syntax|javascript|fnknn|然后我们循环它来处理你的任务，|eqav7|for+k,v+in+replace_dict.items():
++++df.loc[df[k]+==+0,+v]+=+np.nan

print(df)
+++I++A++B++C++++D++E++++F
0++1++9++4++0++++T++F++NaN
1++2++0++5++1++NaN++X++++J
2++3++1++8++0++++G++G++NaN|7ao3c|另一种方法是对列表使用np.where。|5j1pj|df[list2]+=+np.where(df[list1].eq(0),+np.nan,df[list2])

print(df)

+++I++A++B++C++++D++E++++F
0++1++9++4++0++++T++F++NaN
1++2++0++5++1++NaN++X++++J
2++3++1++8++0++++G++G++NaN|6kdt4^0|7|3|0|0|0|0|B|8|0|0^^$0|$]|1|@$2|3|4|5|6|7|8|U|9|@$A|V|B|W|C|D]]|E|@]|F|$]]|$2|G|4|H|6|I|8|X|9|@]|E|@]|F|$J|K]]|$2|L|4|M|6|7|8|Y|9|@]|E|@]|F|$]]|$2|N|4|O|6|I|8|Z|9|@]|E|@]|F|$J|K]]|$2|P|4|Q|6|7|8|10|9|@$A|11|B|12|C|D]]|E|@]|F|$]]|$2|R|4|S|6|I|8|13|9|@]|E|@]|F|$J|K]]|$2|T|4|-4|6|7|8|14|9|@]|E|@]|F|$]]]]

First we create a dictionary from your two lists using <code>zip</code>

<pre><code>replace_dict = dict(zip(list1,list2))
</code></pre>

then we loop over it to handle your assignments, 

<pre><code>for k,v in replace_dict.items():
 df.loc[df[k] == 0, v] = np.nan

print(df)
 I A B C D E F
0 1 9 4 0 T F NaN
1 2 0 5 1 NaN X J
2 3 1 8 0 G G NaN
</code></pre>

another method is to use <code>np.where</code> with your lists.

<pre><code>df[list2] = np.where(df[list1].eq(0), np.nan,df[list2])

print(df)

 I A B C D E F
0 1 9 4 0 T F NaN
1 2 0 5 1 NaN X J
2 3 1 8 0 G G NaN
</code></pre>

entityMap|blocks|key|6s7sk|text|让我们做吧|type|unstyled|depth|inlineStyleRanges|entityRanges|data|n34g|df.loc[:,'D':].mask(df.loc[:,'A':'C'].eq(0).values)
+++++D++E++++F
0++++T++F++NaN
1++NaN++X++++J
2++++G++G++NaN
df.loc[:,'D':]=+df.loc[:,'D':].mask(df.loc[:,'A':'C'].eq(0).values)|code-block|syntax|javascript|bnq0n^0|0|0^^$0|$]|1|@$2|3|4|5|6|7|8|I|9|@]|A|@]|B|$]]|$2|C|4|D|6|E|8|J|9|@]|A|@]|B|$F|G]]|$2|H|4|-4|6|7|8|K|9|@]|A|@]|B|$]]]]

Let us do 

<pre><code>df.loc[:,'D':].mask(df.loc[:,'A':'C'].eq(0).values)
 D E F
0 T F NaN
1 NaN X J
2 G G NaN
df.loc[:,'D':]= df.loc[:,'D':].mask(df.loc[:,'A':'C'].eq(0).values)
</code></pre>

Here is my dataframe.

<pre><code>I A B C D E F
1 9 4 0 T F F
2 0 5 1 S X J
3 1 8 0 G G J
</code></pre>

Here is my expected output.
I want to replace if value in A ==0, repalce to np.nan in D.

<pre><code>I A B C D E F
1 9 4 0 T F nan
2 0 5 1 nan X J
3 1 8 0 G G nan
</code></pre>

I want to replace values on D/E/F columns by values of A/B/C columns.
For example, D column changes according to the A column. (A->D, B->E, C->F)

I tried this code but didn't change value.

<pre><code>list1 = ['A', 'B', 'C']
list2 = ['D', 'E', 'F']

for i in list2:
 for j in list1:
 df[i] = np.where(df[j] == 0, np.nan, df[i])
</code></pre>

For below code, working well.
But there are lots of columns, so I want to using list and for sentence.

<pre><code>df['D'] = np.where(df.A == 0, np.nan, df.D)
</code></pre>

Pandas: How to replace values to np.nan based on Condition for multiple columns

翻译质量差，导致语言生硬或混乱。

没有提供实际的解决方法或示例。

解答不清晰，无法理解或解决问题。

页面排版不美观，阅读体验差。

文章

问答

视频

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

 这是我的数据框架。 I  A  B  C  D  E  F1  9  4  0  T  F  F2  0  5  1  S  X  J3  1  8  0  G  G  J 以下是我的预期输出。我想替换A ==0中的if值，替换为D中的np.nan。 I  A   B   C   D   E   F1  9   4 ...

问Pandas:如何根据多列的条件将值替换为np.nan
EN

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问Pandas:如何根据多列的条件将值替换为np.nanEN