panda在与正则表达式匹配的列中将负值替换为零

Question

目标是只将某些列（“capped1”和“capped2”而不是“signed”）中的所有负值替换为零。列需要由正则表达式选择。（实际的df有超过1000列具有更复杂的名称）

我想到了：

import pandas as pd
import re
import numpy as np
index = [1,2,3,4]
d = {'capped1': [1,0,-1,np.nan], 'capped2': [2,0,np.nan,-9999],'signed':[2,0,-3,np.nan]}
df = pd.DataFrame(data=d, index=index)
df_right = df.filter(regex=("capped.*")).clip(lower=0)
df_left = df.drop(list(df_right.columns), 1)
df_out = df_left.merge(df_right,left_index=True,right_index=True,how="outer")
df_out

有更好的方法吗？我的猜测是，这可以用一行代替，而不是3行，直接替换df中的值。在

Answer 1

您可以获取列名称，然后仅在子集中应用函数：

cols = df.columns[df.columns.str.contains('^capped.*')]
print (cols)
Index(['capped1', 'capped2'], dtype='object')

df[cols] = df[cols].clip(lower=0)
print (df)
   capped1  capped2  signed
1      1.0      2.0     2.0
2      0.0      0.0     0.0
3      0.0      NaN    -3.0
4      NaN      0.0     NaN

类似解决方案：

^{pr2}$

{{1}不需要使用{1}注释：

 cols = df.columns[df.columns.str.startswith('capped')]
 m = df.columns.str.startswith('capped')

Answer 2

选项1
使用^{}和^{}
这将在位编辑df

df.update(df.filter(regex="^capped.*$").clip(lower=0))
df

   capped1  capped2  signed
1      1.0      2.0     2.0
2      0.0      0.0     0.0
3      0.0      NaN    -3.0
4      NaN      0.0     NaN

---

选项2
使用^{}和^{}
这将生成一个副本并将df单独留在
我使用np.maximum作为变体。我可以用pd.DataFrame.clip
请注意，我使用**将np.maximum返回的数据帧解压为字典。它等价于**{c: s for c, s in d.iteritems()}，其中d是np.maximum的返回值

^{pr2}$