在pandas数据框中使用正则表达式将所有数字(0和1除外)更改为0

Question

我会将一列数据框中除1和0之外的任何数字更改为0。这是我的代码。但它不起作用。

df2['AgDg'] = df2['AgDg'].replace(r'\[2-9]\d*', 0, regex=True)

这是数据帧的一个子集：

Index   value 
1        0
2        45
3        135
4        1
5        1

输出应如下所示:这是数据帧的子集：

  Index   value 
    1        0
    2        0
    3        0
    4        1
    5        1

Answer 1

如果您输入的是数字，则可以对这些值执行map操作，这样1就变成了1，所有其他值都变成了0。为此，我使用了一个lambda (内联)函数：

df2['AgDg'] = df2['AgDg'].map(lambda val:1 if val == 1 else 0)

这会将您的值转换为整数，无论它们是什么数字。否则，您也可以使用注释中的where函数：

df2['AgDg'] = df2['AgDg'].where(df2['AgDg'] == 1, 0)

where()挑选并保留满足需求的元素(即，在本例中等于1 )。第二个参数是将什么值分配给不满足要求的元素(即，将所有其他元素设置为“0”)。

在这种情况下，当我们更新当前数据帧时，也可以“就地”更新，这意味着我们直接更新当前数据，而不是赋值。然后该命令变为：

df2['AgDg'].where(df2['AgDg'] == 1, 0, True)

为了让它更清楚，也可以命名in参数(当使用比最常见的参数更多的参数来提高可读性时，我建议这样做)：

df2['AgDg'].where(df2['AgDg'] == 1, other=0, inplace=True)

Answer 2

让我们使用mask和ne。我们在所有非1的值上设置一个掩码：

df.assign(value=df.value.mask(df.value.ne(1),0))

或者像Ted Petrou建议的那样

df.assign(value=df.value.eq(1).mul(1))

输出：

   Index  value
0      1      0
1      2      0
2      3      0
3      4      1
4      5      1