基于特定标准修改多行

Question

我有一个csv文件，如下所示：

ID         Class      Status    Species
1          Sands        D        Carex
1          Sands        C        Eupesu
1          Sands        C        Poapra
2          Limy         D        Carcra
2          Limy         C        Eupesu
2          Limy         C        Poapra
3          Limy         D        Poapra
3          Limy         C        Eupesu
3          Limy         C        Poapra

当Status是D而Species是Carex或Carcra时，我想将特定ID中所有值的Class更改为Wet。我想要的输出是：

ID         Class     Status    Species
1          Wet         D        Carex
1          Wet         C        Eupesu
1          Wet         C        Poapra
2          Wet         D        Carcra
2          Wet         C        Eupesu
2          Wet         C        Poapra
3          Limy        D        Poapra
3          Limy        C        Eupesu
3          Limy        C        Poapra

Answer 1

您标记了pandas，所以我假设您可以将其作为数据帧导入。你知道吗

如果是的话，我想你在找这样的东西：

df[(df.Status=='D') & (df.Species=='CareX' | df.Species=='Carcra') & (df.ID== 1)]['Class'] = 'Wet'

Answer 2

好吧，这个答案可能效率很低，因为它需要将文件中的所有行存储到内存中。为了只编辑文件的那一部分，好吧，我稍后会查看并编辑这个答案。但是现在，如果你有一个不超过，我不知道，50mb的文件？，就用这个。你知道吗

lines = []
theID = 1
for line in open("file.csv", "r"):
    row = line.split(",")
    if row[2] == "D":
        if row[3] == "Carex" or row[3] == "Carcra":
            if theID == row[0]:
                row[1] = "Wet"
    lines.append(",".join(row))

open("file.csv", "w").writelines(lines)

请备份您的实际文件之前运行这个，因为它可能会把整个事情搞砸。（未经测试）

Answer 3

import pandas as pd
df = pd.read_table('data', sep='\s+')
mask = ((df['Status'] == 'D') 
        & df['Species'].isin(['Carex','Carcra']))
mask = mask.groupby(df['ID']).transform('any')
df.loc[mask, 'Class'] = 'Wet'
print(df)

收益率

   ID Class Status Species
0   1   Wet      D   Carex
1   1   Wet      C  Eupesu
2   1   Wet      C  Poapra
3   2   Wet      D  Carcra
4   2   Wet      C  Eupesu
5   2   Wet      C  Poapra
6   3  Limy      D  Poapra
7   3  Limy      C  Eupesu
8   3  Limy      C  Poapra

---

任务

df['mask'] = ((df['Status'] == 'D') 
        & df['Species'].isin(['Carex','Carcra']))

使df看起来像这样：

In [166]: df
Out[166]: 
   ID  Class Status Species   mask
0   1  Sands      D   Carex   True
1   1  Sands      C  Eupesu  False
2   1  Sands      C  Poapra  False
3   2   Limy      D  Carcra   True
4   2   Limy      C  Eupesu  False
5   2   Limy      C  Poapra  False
6   3   Limy      D  Poapra  False
7   3   Limy      C  Eupesu  False
8   3   Limy      C  Poapra  False

现在，（感谢DSM）：

mask = ((df['Status'] == 'D') 
        & df['Species'].isin(['Carex','Carcra']))
mask = mask.groupby(df['ID']).transform('any')

将mask按df['ID']分组，如果原始mask中的任何值为真，则将True分配给该组的所有行，否则False。你知道吗

In [168]: mask
Out[168]: 
0     True
1     True
2     True
3     True
4     True
5     True
6    False
7    False
8    False
dtype: bool

df.loc可用于从df中选择行和列。 df.loc[mask]选择mask为真的行：

In [169]: df.loc[mask]
Out[169]: 
   ID  Class Status Species   mask
0   1  Sands      D   Carex   True
1   1  Sands      C  Eupesu  False
2   1  Sands      C  Poapra  False
3   2   Limy      D  Carcra   True
4   2   Limy      C  Eupesu  False
5   2   Limy      C  Poapra  False

df.loc[mask, 'Class']进一步选择列Class：

In [170]: df.loc[mask, 'Class']
Out[170]: 
0    Sands
1    Sands
2    Sands
3     Limy
4     Limy
5     Limy
Name: Class, dtype: object

df.loc[mask]['Class'] = value可能无法修改df，因为df.loc[mask]返回一个副本。（这同样适用于df[mask]['Class'] = value）。使用[...]两次被称为“链式索引”，如果我们避免链式索引，这个问题是可以避免的。你知道吗

因此，不要使用[...]两次，而是使用df.loc[mask, 'Class'] = 'Wet'：

In [172]: df
Out[172]: 
   ID Class Status Species
0   1   Wet      D   Carex
1   1   Wet      C  Eupesu
2   1   Wet      C  Poapra
3   2   Wet      D  Carcra
4   2   Wet      C  Eupesu
5   2   Wet      C  Poapra
6   3  Limy      D  Poapra
7   3  Limy      C  Eupesu
8   3  Limy      C  Poapra